Abstract
Contour detection is important for many computer vision applications, such as shape discrimination and object recognition. In many cases, local luminance changes turn out to be stronger in textured areas than on object contours. Therefore, local edge features, which only look at a small neighborhood of each pixel, cannot be reliable indicators of the presence of a contour, and some global analysis is needed. The novelty of this operator is that dilation is limited to Deluanary triangular. An efficient implementation is presented. The grouping algorithm is then embedded in a multi-threshold contour detector. At each threshold level, small groups of edges are removed, and contours are completed by means of a generalized reconstruction from markers. Both qualitative and quantitative comparison with existing approaches prove the superiority of the proposed contour detector in terms of larger amount of suppressed texture and more effective detection of low-contrast contour.
본 외곽선 탐지는 모양 판별 및 객체 인식과 같은 많은 컴퓨터 시각 분야에 있어서 중요한 문제이다. 대부분의 경우에 지역적인 휘도 변화가 객체 윤곽선에서 보다는 무늬 영역에서 보다 강하게 나타나는 것으로 판명되고 있다. 따라서 각 화소의 가까운 인접된 부분에서만 볼 수 있는 지역적인 에지 특징들은 하나의 윤곽선 존재의 믿을만한 정보가 될 수 없기 때문에 전체적인 분석이 요구되고 있다. 본 연구에서는 형태심리학적 원리를 바탕으로 가상 연산자의 변형된 형태로서 적응성을 갖는 확대 연산자에 의한 지역적인 윤곽선 탐지 기법을 제안한다. 제안 방식의 새로운 점은 확대 방식에 있어서 각 윤곽선 화소에 관해 계산 기하학의 관점에서 Delaunary 다이어그램을 사용한다는 것이다. 윤곽선 그룹화와 관련하여 다중 임계 알고리즘이 도입되고, 각 임계 단계에서 작은 크기의 윤곽선 그룹들은 삭제되며, 자연 3차 스플라인 보간법을 통해 재구축되는 방식의 외형을 나타낸다. 또한, 상이한 임계들의 학습을 통해 입력 인자들의 값에 제안된 알고리즘이 민감하지 않은 견고한 성질을 유지하도록 한다. 본 연구의 구현에서는 기존 접근방식과의 비교를 통해 제안된 외형 결정 방식이 이미지에서 제거된 많은 텍스처들이 있음에도 불구하고 견고하고, 낮은 대비의 외형을 쉽게 감지하는데 효과적임을 보인다.
