A multistage hierarchical clustering technique, which is an unsupervised technique, was suggested in this paper for classifying large remotely-sensed imagery. The multistage algorithm consists of two stages. The 'local' segmentor of the first stage performs region-growing segmentation by employing the hierarchical clustering procedure of CN-chain with the restriction that pixels in a cluster must be spatially contiguous. The 'global' segmentor of the second stage, which has not spatial constraints for merging, clusters the segments resulting from the previous stage, using the conventional agglomerative approach. Using simulation data, the proposed method was compared with another hierarchical clustering technique based on 'mutual closest neighbor.' The experimental results show that the new approach proposed in this study considerably increases in computational efficiency for larger images with a low number of bands. The technique was then applied to classify the land-cover types using the remotely-sensed data acquired from the Korean peninsula.
The aim in this paper is to show how to extract scalp of a series of brain MR images by using region growing segmentation algorithm. Most researches are all forces on the segmentation of skull, gray matter, white matter and CSF. Prior to the segmentation of these inner objects in brain, we segmented the scalp and the brain from the MR images. The scalp mask makes us to quickly exclude background pixels with intensities similar those of the skull, while the brain mask obtained from our brain surface. We make use of connected threshold method (CTM) and confidence connected method (CCM). Both of them are two implementations of region growing in Insight Toolkit (ITK). By using these two methods, the results are displayed contrast in the form of 2D and 3D scalp images.
기존의 번호판 검출 기법들은 대부분 일정한 거리와 방향에서 촬영되어 번호판의 크기가 유사하고, 배경이 단순한 차량 전면 영상에 적용되는 한계를 가지고 있어서 번호판의 위치가 변하거나 조명 혹은 크기의 변화에 매우 취약하다. 본 논문에서는 이러한 기존 기법들의 문제점들을 극복하기 위하여 에지기반 영역확장 기법을 사용하는 번호판 검출기법을 제안한다. 1단계에서는 입력영상에서 예지영상을 얻고 번호판의 기하학적 특성을 갖는 에지 영역들을 검출하여 이들을 번호판 검색영역으로 정한다. 검색영역의 에지들을 기반으로 주변의 화소들을 색상을 기반으로 영역확장을 통해 분할하여 번호판의 기하학적 특성을 만족하는 영역들을 번호판 후보영역으로 정한다. 후보영역들은 자동차의 조명등과 같은 구조물과의 위상특성을 고려하여 최종결정한다. 본 논문에서 제안하는 기법은 번호판의 문자가 검출되지 않는 경우에도 번호판 위치의 검출이 가능하고 특히 작은 크기의 번호판 검출에 유리하며, 크기와 상관없이 번호판을 검출할 수 있음을 실험을 통해 입증하였다.
본 연구에서는 의료영상 저장 및 전송 시스템에 필수적인 무손실 의료영상 압축 기법을 제안하였다. 의료영상은 방사선 영상 중에서 유방영상(mammography)과 자기공명영상을 사용하였으며, 이들 영상을 무손실로 압축하기 위하여 영역성장에 의한 영상분할 알고리듬을 제안하였다. 제안된 알고리듬은 원 영상이 에러 영상과 불연속 계수 영상, 그리고 상위 비트 데이터 등 세 가지의 부 영역으로 분할되도록 하였다. 그리고 영역성장 과정 후 생성된 불연속 계수 영상 데이터와 에러 영상을 국제 이진영상압축 표준이며 그레이코드(graycode)화된 영상의 압축에 적합한 JBIG(Joint Bi-level Image expert Group) 알고리듬을 이용하여 압축시켰다. 제안한 알고리듬과 타 연구에서 사용된 기법들을 비교 검토 한 결과 제안한 무손실 압축 기법을 적용하여 얻어지는 압축율은 JBIG, JPEG, LZ 기법에 비해 평균적으로 각각 3.7%, 7.9%, 23.6% 정도 개선됨을 알 수 있었다.
In hippocampal morphology Abnormalities, including unilateral or bilateral volume loss, are known to occur in epilepsy, Alzheimer's disease, and in certain amnestic syndromes. To detect such abnormalities in hippocampal morphology, we present a method that combines region growing and dynamic contour model to detect hippocampus from MRI brain data. The segmentation process is performed two steps. First region growing with a seed point is performed in the region of hippocampus and the initial contour of dynamic contour model is obtained. Second, the initial contour is modified on the basis of criteria that integrate energy with contour smoothness and the image gradient along the contour. As a result, this method improves fairly sensitivity to the choice of the initial seed point, which is often seen by conventional contour model. The power and practicality of this method have been tested on two brain datasets. Thus, we have developed an effective algorithm to extract hippocampus from MRI brain data.
이 연구에서는 고해상도 영상의 영상분할단위를 이용한 분석방법의 하나로 영역확장기법을 검토하였다. 먼저 경계추출에 의한 영상분할단위를 기반으로 공간적인 분석이 가능하도록 영상분할단위간의 위상관계를 설정하는 방법을 검토하였다. 다음으로 설정된 영상분할단위간의 위상관계를 바탕으로 한 영역기반의 영역확장 방법을 개발함으로써 영상분할단위를 보다 물체에 가까운 형태로 한 단계 더 처리하였다. 특히 여러 밴드를 활용한 다변량 분석을 시도하여 결과의 신뢰도를 더욱 높이도록 하였다. 그 결과 영상분할단위 기반의 영역확장 결과 영상분할단위가 보다 의미 있는 단위로 발전되었다. 다만 영상분할 단위에 속하는 각 화소의 높은 동질성으로 인하여 통계적 유사성이 통계치에 매우 민감하게 반응하는 결과를 나타내었다.
In this paper, we propose a new two-stage segmentation method for the effective object recognition which uses region-growing algorithm and k-means clustering method. At first, an image is segmented into many small regions via region growing algorithm. And then the segmented small regions are merged in several regions so that the regions of an object may be included in the same region using typical k-means clustering method. This paper also establishes similarity measurement which is useful for object recognition in an image. Similarity is measured by fuzzy system whose input variables are compactness, magnitude of biasness and orientation of biasness of the object image, which are geometrical features of the object. To verify the effectiveness of the proposed two-stage segmentation method and similarity measurement, experiments for object recognition were made and the results show that they are applicable to object recognition under normal circumstance as well as under abnormal circumstance of being.
영상분할은 관심대상이 되는 물체의 영역을 추출하기 위한 객체기반 영상분류의 전처리과정으로서 원격탐사 영상분석에서 그 중요성 날로 커지고 있다. 본 연구에서는 개선된 SRG(Seeded Region Growing) 기법과 영역병합과정을 이용하여 고해상도 영상분할을 위한 새로운 방법을 제안한다. 이를 위해 우선 QuickBird 융합영상에서 추출된 다중분광 에지정보를 이용하여 초기 시드포인트를 자동으로 추출하였다. 추출된 시드포인트에 영상의 기하학적인 정보와 분광정보를 반영할 수 있는 개선된 SRG 기법을 적용하여 초기 영상 분할을 수행하였다. 최종적으로 앞선 초기분할 결과 향상을 위해 분할된 영역의 평균분광정보를 활용하여 영역병합을 수행하여 최종분할결과를 도출하였다. 제안된 기법의 효율성을 평가하기 위해 무감독 영상분할 평가측정치를 이용하여 정확도 평가를 수행하였다. 실험결과 제안한 기법은 고해상도 영상분할에 유용하게 적용될 수 있으리라 판단된다.
Image segmentation is teh important step in image infromation extraction for computer vison sytems. Fuzzy clustering methods have been used extensively in color image segmentation. Most analytic fuzzy clustering approaches are derived from the fuzzy c-means (FCM) algorithm. The FCM algorithm uses th eprobabilistic constraint that the memberships of a data point across classes sum to 1. However, the memberships resulting from the FCM do not always correspond to the intuitive concept of degree of belongingor compatibility. moreover, the FCM algorithm has considerable trouble above under noisy environments in the feature space. Recently, the possibilistic C-mean (PCM) for solving growing for color image segmentation. In the PCM, the membersip values may be interpreted as degrees of possibility of the data points belonging to the classes. So, the problems in the FCM can be solved by the PCM. The clustering results by just PCM are not smoothly bounded, and they often have holes. So, the region growing was used as a postprocessing. In our experiments, we illustrated that the proposed method is reasonable than the FCM in noisy enviironments.
In the early twenty-first century, minimally invasive surgery is the mainstay of various kinds of surgical fields. Surgeons gave percutaneously surgical treatment of the screw directly using a fluoroscopic view in the past. The latest date, they began to operate the fractured carpal bone surgery using Computerized Tomography (CT). Carpal bones composed of wrist joint consist of eight small bones which have hexahedron and sponge shape. Because of these shape, it is difficult to grasp the shape of carpal bones using only CT image data. Although several image segmentation studies have been conducted with carpal bone CT image data, more studies about carpal bone using CT data are still required. Especially, to apply the software implemented from the studies to clinical fIeld, the outcomes should be user friendly and very accurate. To satisfy those conditions, we propose modified multi-seed region growing segmentation method which uses simple threshold and the canny edge detector for finding edge information more accurately. This method is able to use very easily and gives us high accuracy and high speed for extracting the edge information of carpal bones. Especially, using multi-seed points, multi-bone objects of the carpal bone are extracted simultaneously.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.