Journal of KIISE:Software and Applications (한국정보과학회논문지:소프트웨어및응용)

Korean Institute of Information Scientists and Engineers (한국정보과학회)
권호 표지

An Improved Snake Algorithm Using Neighbouring Edges

근접 에지를 이용한 개선된 스네이크 알고리즘

  • Received : 2010.08.05
  • Accepted : 2010.10.13
  • Published : 2010.11.15
Download PDF
⟨ Previous Next ⟩

Abstract

This paper presents an improved Snake algorithm that contains additional energy term related to adjacent edges. The suggested algorithm represents the distance between an adjacent edge and the current cell as energy, and extracts object contours more effectively by including the energy tenn to the whole energy function. The adjacent edge-based snake algorithm not only make it possible to detect object boundaries which are concave, but also can detect the boundaries of complex objects without weight adjustment. Experimental results show that the proposed method extracts object boundaries more accurately than other existing methods without loss of speed.

본 논문에서는 근접 에지라는 새로운 에너지 항을 추가한 개선된 스네이크 알고리즘을 제안한다. 제안된 알고리즘은 스네이크 셀 주위에 근접하는 에지가 있을 경우 이 에지와 스네이크 셀 간의 거리를 에너지로 나타내고, 이 에너지를 전체 에너지 함수에 포함시킴으로써 물체의 윤곽선 탐색을 보다 효과적으로 수행한다. 근접 에지 기반의 스네이크 알고리즘은 셀이 물체의 오목한 경계 부분으로 탐색하는 것을 가능하게 하며, 에너지 항 사이에 실험적인 가중치 조정을 거치지 않고도 복잡한 물체의 윤곽선을 강인하게 검출할 수 있다. 제안된 방법의 성능 평가를 위한 실험에서는 개선된 스네이크 알고리즘이 속도를 크게 저하시키지 않으면서 윤곽선 추출의 정확도를 보다 개선하였음을 확인할 수 있었다.

Keywords

References

  1. K. Zhang, H. Song, and L. Zhang, "Active Contours Driven by Local Image Fitting Energy," Pattern Recognition, vol.43, no.4, pp.1199-1206, 2010. https://doi.org/10.1016/j.patcog.2009.10.010
  2. M. Kass, A. Witkin, and D. Terzopoulos, "Snakes: Active Contour Models," International Journal of Computer Vision, vol.1, no.4, pp.321-331, 1988. https://doi.org/10.1007/BF00133570
  3. D. J. Williams and M. Shah, "A Fast Algorithm for Active Contours and Curvature Estimation," CVGIP: Image Understanding, vol.55, no.1, pp.14-26, 1992. https://doi.org/10.1016/1049-9660(92)90003-L
  4. A. Hill, T. F. Cootes, and C. J. Taylor, "Active Shape Models and the Shape Approximation Problems," Image and Vision Computing, vol.14, no.8, pp.601-607, 1996. https://doi.org/10.1016/0262-8856(96)01097-9
  5. T. F. Cootes, G. J. Edwards, and C. J. Taylor, "Active Appearance Models," IEEE Transactions on Pattern Recognition and Machine Intelligence, vol.23, no.6, pp.681-685, 2001. https://doi.org/10.1109/34.927467
  6. C. Xu and J. L. Prince, "Snakes, Shapes, and Gradient Vector Flow," IEEE Transactions on Image Processing, vol.7, no.3, pp.359-369, 1998. https://doi.org/10.1109/83.661186
  7. C. Li, C. Xu, C. Gui, and M. D. Fox, "Level Set Evolution without Re-initialization : A New Variational Formulation," In Proceedings of the IEEE Computer Society Conference on Computer Vision and Pattern Recognition, vol.1, pp.430-436, 2005.
  8. F. Y. Shih and K. Zhang, "Locating Object Contours in Complex Background Using Improved Snakes," Computer Vision and Image Understanding, vol.105, no.2, pp.93-98, 2007. https://doi.org/10.1016/j.cviu.2006.08.007
  9. S. T. Lee, Y. J. Han, and H. S. Han, "Extended Snake Algorithm Using Color Variance Energy," Journal of Korea Society of Computer and Information, vol.14, no.10, 2009.