DOI QR코드

DOI QR Code

컬러패턴분류를 위한 히스토그램 매칭기법

A Histogram Matching Scheme for Color Pattern Classification

  • 박영민 (경운대학교 모바일공학과) ;
  • 윤영우 (영남대학교 전자정보학부)
  • 발행 : 2006.12.31

초록

패턴인식은 주위 환경을 관찰하는 방법, 배경으로부터 관심있는 패턴을 구분하는 방법, 소리를 얻는 방법, 그리고 패턴 범주들 중에서 타당한 결정을 얻는 방법에 관한 연구이다. 패턴인식 시스템을 설계할 때 필수적으로 1) 데이터의 획득과 전처리, 2) 데이터의 표현, 3) 결정방법 선택과 같은 세 가지 사항을 고려해야한다. 그 이유는 영상을 획득하기 위한 센서의 선택, 전처리 기법, 표현 기법, 의사결정 모델에 따라 인식의 결과가 달라질 수 있기 때문이다. 컬러영상은 다양한 컬러 패턴으로 구성된다. 대부분의 패턴인식 방법은 훈련되어진 컬러정보를 사용하여 컬러의 특징을 추출한다. 본 논문은 몇 가지 제한된 컬러를 가진 영상으로부터 특정한 컬러 패턴을 적응적으로 추출한다. 컬러 패턴의 수가 한정되어 있기 때문에 영상에서 컬러의 분포가 유사하다. 그러나, 영상에 잡음이나 열화가 존재하면, 그 분포가 변화한다. 그러므로 이미 알고 있는 컬러정보를 가지고 특정한 컬러의 특징을 추출할 수 없다. 그래서 본 논문에서는 유사한 컬러 패턴을 가진 영상에 대하여 특정한 컬러의 특징을 적응적으로 추출함으로서 인식의 오류를 감소시킬 수 있는 새로운 방법을 제안한다. 제안한 방법을 실험하기 위하여 열화가 적은 표본영상을 사용하고, 잡음과 열화가 포함된 여섯 가지의 검사영상을 사용한다. 결론적으로 제안한 방법이 통계적인 패턴인식의 결과보다 정확한 결과를 보여준다.

Pattern recognition is the study of how machines can observe the environment, learn to distinguish patterns of interest from their background, and make sound and reasonable decisions about the categories of the patterns. Color image consists of various color patterns. And most pattern recognition methods use the information of color which has been trained and extract the feature of the color. This thesis extracts adaptively specific color feature from images with several limited colors. Because the number of the color patterns is limited, the distribution of the color in the image is similar. But, when there are some noises and distortions in the image, its distribution can be various. Therefore we cannot extract specific color regions in the standard image that is well expressed in special color patterns to extract, and special color regions of the image to test. We suggest new method to reduce the error of recognition by extracting the specific color feature adaptively for images with the low distortion, and six test images with some degree of noises and distortion. We consequently found that proposed method shouws more accurate results than those of statistical pattern recognition.

키워드

참고문헌

  1. S. Watanabe, Pattern Recognition: Human and Mechanical. New York: Wiley, 1985
  2. Richard O. Duda, Peter E. Hart, Davis G, Stock, Pattern Classification 2nd Edition, John Wiley & Sons, 2001
  3. K.S. Fu, 'A Step Towards Unification of Syntactic and Statistical Pattern Recognition,' IEEE Trans. Pattern Analysis and Machine Intelligence, Vol. 5, no. 2, pp. 200-205, Mar. 1983
  4. L. Vincent and P. Soille, 'Watershed in digital Space, An efficient algorithm based on immersion simulation,' IEEE Trans. Patt. Anal. Machine Intell, Vol. 13, No. 6, pp. 538-598, June 1991 https://doi.org/10.1109/34.87344
  5. G. Healey, 'Segmenting images using normalized color,' IEEE Trans. Syst., Man, Cybern., vol. 22, pp. 64-73, 1992 https://doi.org/10.1109/21.141311
  6. C. L. Huang, T. Y. Cheng, and C. C. Chen, 'Color image segmentation using scale space filter and Markov vandom fields,' Pattern Recognit., vol. 25, pp. 1217-1229, 1992 https://doi.org/10.1016/0031-3203(92)90023-C
  7. L. Shafarenko, 'Perception-driven automatic segmentation of color images using mathematical morphology, Ph.D. dissertation, Univ. Surrey, Guildford, U.K., 1996
  8. 이성환 편저, 패턴인식의 원리 I II권, 홍릉과학출판사, 1994
  9. U. Grenander, General Pattern Theory. Oxford Univ. Press, 1993
  10. R. Bajcsy and S. Kovacic, 'Multiresolution Elastic Matching,' Computer Vision Graphics Image Processing, Vol. 46, pp. 1-21, 1989 https://doi.org/10.1016/S0734-189X(89)80014-3
  11. K.S. Fu, Syntactic Pattern Recognition and Applications. Englewood Cliffs, N.J.: Prentice-Hall, 1982
  12. T. Kohonen, Self-Organizing Maps. Springer Series in Information Science, vol. 30, Berlin, 1995
  13. C. Carpineto and G. Romano, 'A Lattice Conceptual Clustering System and Its Application to Browsing Retieval,' Machine Learning, vol. 24, no. 2, pp. 95-122, 1996 https://doi.org/10.1007/BF00058654