Environment-Adaptive Image Segmentation Using Color Invariants

Even though various types of image segmentation methods have been extensively introduced, robustly segmenting images to environmental conditions such as illumination changes, shading, highlight, etc, has been known to be a very difficult task. To resolve the problem in some degree, we propose in this paper an environment-adaptive image segmentation approach using color invariants. The suggested method first introduces several color invariants like W, C, U, N, and H, and automatically measures environmental conditions in which images are captured. It then chooses the most adequate color invariant to environmental factors, and effectively extracts edges using the selected invariant. Experimental results show that the proposed method can robustly perform edge-based segmentation rather than existing methods. We expect that our method will be useful in many real applications which require edge-based image segmentation.

칼라 불변량을 이용한 환경 적응적인 영상 분할

현재까지 다양한 영상 분할 방법들이 계속해서 제안되어 오고 있으나 특정한 제약조건이 설정되지 않은 일반적인 자연 환경의 조건 하에서 촬영된 영상으로부터 조명, 음영, 그리고 하이라이트 등과 같은 주변의 환경 요인에 영향을 받지 않고 강건하게 영상을 분할하는 작업은 여전히 매우 어려운 작업으로 알려져 있다. 본 논문에서는 이런 문제를 일정 부분해결하기 위해서 칼라 불변량을 이용한 환경 적응적인 영상 분할 방법을 제안한다. 제안된 방법에서는 W, C, U, N, H와 같은 여러 가지 칼라 불변량을 소개하고, 조명이나 음영, 그리고 하이라이트와 같은 영상이 촬영되는 주변 환경의 요인들을 자동으로 검출한다. 그리고 검출된 환경 요인에 최적으로 적합한 칼라 불변량을 선택하여 에지를 기반으로 영상을 효과적으로 분할한다. 본 논문의 실험 결과에서는 제안한 방법이 기존의 방법에 비해서 주변의 환경 변화에 강건하게 에지를 기반으로 영상을 분할하는 것을 보여준다. 본 논문에서 제안된 방법은 주위 환경에 상당수 독립적으로 동작하므로 환경에 강건한 에지 기반의 영상 분할이 필요한 여러 응용 시스템에서 유용하게 활용될 수 있을 것으로 기대한다.