DOI QR코드

DOI QR Code

A study on image segmentation for depth map generation

깊이정보 생성을 위한 영상 분할에 관한 연구

  • Lim, Jae Sung (DTaQ(Defence agency for Technology and Quality))
  • 임재성 (국방기술품질원 유도전자센터)
  • Received : 2017.07.12
  • Accepted : 2017.10.13
  • Published : 2017.10.31

Abstract

The advances in image display devices necessitate display images suitable for the user's purpose. The display devices should be able to provide object-based image information when a depthmap is required. In this paper, we represent the algorithm using a histogram-based image segmentation method for depthmap generation. In the conventional K-means clustering algorithm, the number of centroids is parameterized, so existing K-means algorithms cannot adaptively determine the number of clusters. Further, the problem of K-means algorithm tends to sink into the local minima, which causes over-segmentation. On the other hand, the proposed algorithm is adaptively able to select centroids and can stand on the basis of the histogram-based algorithm considering the amount of computational complexity. It is designed to show object-based results by preventing the existing algorithm from falling into the local minimum point. Finally, we remove the over-segmentation components through connected-component labeling algorithm. The results of proposed algorithm show object-based results and better segmentation results of 0.017 and 0.051, compared to the benchmark method in terms of Probabilistic Rand Index(PRI) and Segmentation Covering(SC), respectively.

디스플레이 기기들이 고도화 되면서, 사용자의 목적에 부합하는 영상이 요구되어져 가고 있다. 따라서, 3D 디스플레이에서 필요하게 되는 깊이 정보가 요구될 때 디스플레이 기기들은 객체 기반의 영상 정보를 제공 할 수 있어야 한다. 따라서, 본 논문에서 깊이 정보 생성을 위한 히스토그램 기반의 영상분할 알고리즘을 제안한다. 기존의 K 군집 알고리즘에서 군집의 수를 파라미터화 하여, 영상에 적응적으로 군집 수를 결정할 수 없게 되는 한계를 지닌다. 또한, k 군집 알고리즘이 지니고 있던 지역 최소점에 빠져 영상 분할에 있어 과분할을 야기하는 지역 최소점에 빠지게 되는 경향이 있다. 반면에, 제안하는 알고리즘은 분할해야할 군집 선정에서 계산량을 고려하여 적응적으로 선택 가능할 수 있게 하는 히스토그램 기반의 알고리즘을 설계하여 적응적으로 선택 가능하게 하였다. 기존 알고리즘이 가지고 있었던 지역 최소점에 빠지지 않도록 방지하게 하여 결과 영상에서 객체 기반의 결과를 보여줄 수 있도록 설계 했다. 이 후 연결요소 알고리즘을 통해 과분할 요소를 제거했다. 따라서, 제안하는 알고리즘은 객체 기반의 깊이 정보 결과를 보여 줄 뿐만 아니라, 벤치마크 방법에 비해 확률 랜드 인덱스, 분할 커버링 측면에서도 각각 벤치마크 방법에 비해 0.017, 0.051으로 향상된 결과치를 보여준다.

Keywords

References

  1. K. Alsabti, et. al, "An efficient K-means clustering algrorithm", Electrical Engineering and Computer Science, 1998.
  2. D. Comaniciu, P.Meer, "Mean shift: a robust approach toward feature space analysis," IEEE Trans. Pattern Analysis and Machine Intelligence, vol. 24, no. 5, pp. 603-619, 2002. DOI: https://doi.org/10.1109/34.1000236
  3. J.Shi, et. al, "Normalized cuts and image segmentation," IEEE Trans. Pattern Analysis and Machine Intelligence, vol. 22, no. 8, pp. 888-905, Aug. 2000. DOI: https://doi.org/10.1109/34.868688
  4. Berkeley Segmentation Dataset and Benchmark : https://www2.eecs.berkeley.edu/Research/Projects/CS/vision/bsds
  5. R.Unnikrshnan, et. al, "Toward objective evaluation of image segmentation algorithms," Pattern Analysis and Machine Intelligence, vol. 29, no. 6, pp. 929-944, Jun. 2007. DOI: https://doi.org/10.1109/TPAMI.2007.1046
  6. T. malisiewicz, A. A. Efros,"Improving spatial support for objects via multiple segmentations," Proc. British Machine Vision Conf., 2007. DOI: https://doi.org/10.5244/C.21.55
  7. T. chen, et. al, "Fast image segmentation based on K-means clustering with histograms in HSV color space," Multimedia Signal Processing, pp. 322-325, Oct. 2008. DOI: https://doi.org/10.1109/MMSP.2008.4665097