Abstract
In this paper, a new version of the ICM method(MICM, modified ICM) in which the contextual information is modelled by Markov random fields (MRF) is introduced. To extract the feature, a new local MRF model with a fitting block neighbourhood is proposed. This model selects contextual information not only from the relative intensity levels but also from the geometrically directional position of neighbouring cliques. Feature extraction depends on each block's contribution to the local variance. They discriminates it into several regions, for example context and background. Boundaries between these regions are also distinctive. The proposed algerian performs segmentation using directional block fitting procedure which confines merging to spatially adjacent elements and generates a partition such that pixels in unified cluster have a homogeneous intensity level. From experiment with ink rubbed copy images(Takbon, 拓本), this method is determined to be quite effective for feature identification. In particular, the new algorithm preserves the details of the images well without over- and under-smoothing problem occurring in general iterated conditional modes (ICM). And also, it may be noted that this method is applicable to the handwriting recognition.
MRF (Markov random fields)로 전후 관계가 모델링된 변형된 형태의 ICM 방식을 소개한다. 특징 추출을 위해 부합블록인접의 새로운 MRF 모델을 제시한다. 이 모델은 현재 고려중인 화소를 기점으로 지엽구조인 복수방향의 기하학적 인접화소군들을 발생시켜 집합을 형성한다. 전처리 작업을 통해 산출한 특정 영역 색도분포의 확률적 데이터를 근거로 매 인접화소군 화소들 사이의 색도분포와 인접화소군들 사이의 관련성 여부를 단계별로 확률적으로 비교 판별함으로 해당화소의 영역귀속을 결정한다. 귀속 영역이 판별된 화소에는 특정 색도를 부여하고 타영역의 원소와 차별한다. 이러한 과정을 전 화소들에 확대 적용하면서 관측영상은 영역별로 순차적으로 분류되며 정보가 추출된다. 대상 영상은 탁본영상으로서 바탕영역과 정보영역을 차별적으로 분류, 색도부여를 통해 문자만의 특징을 선별한다. 이 방식은 종래의 ICM 방식의 단점이었던 과/부족 평활 현상을 최소화하는 동시에, 벡터적 판별력 부가에 의한 특정영역 잡음 제거와 얼룩현상 극소화에 효과가 있음이 실험을 통해 확인할 수 있었다. 또한 MICM 방식을 탁본영상의 문자인식에 적용하면 우수한 효과가 있으리라 기대한다.