• 한국멀티미디어학회논문지
• /
• 제7권3호
• /
• pp.319-326
• /
• 2004

본 논문에서는 물체의 경계선을 고려한 칼라 영상 분할 방법을 제안한다. 제안 방법은 먼저 원영상을 벡터 양자화한 후 양자화된 영상의 인덱스 맵을 이용하여 초기 영역을 설정하였다. 그 후 HSI컬러 공간을 이용한 영역 병합에서 물체의 경계선을 고려하기 위해 경계선 제한 성분을 적용하여 영역들을 병합하였다. 또한 RGB 컬러 공간을 이용하여 HSI 컬러 공간에서 병합되지 않은 영역들을 병합하였다. 그리 고 영역병합 알고리즘을 통해 반복적인 처리를 감소시킴으로써 처리 시간을 줄였다. 실험 결과에서는 다양한 영상에 대해 주요 영역들의 분할 결과 및 처리소요시간에서 우수한 성능을 보였다.

• 디지털산업정보학회논문지
• /
• 제11권4호
• /
• pp.89-97
• /
• 2015

In this paper, a method of color image segmentation based on DBSCAN(Density Based Spatial Clustering of Applications with Noise) using compactness of superpixels and texture information is presented. The DBSCAN algorithm can generate clusters in large data sets by looking at the local density of data samples, using only two input parameters which called minimum number of data and distance of neighborhood data. Superpixel algorithms group pixels into perceptually meaningful atomic regions, which can be used to replace the rigid structure of the pixel grid. Each superpixel is consist of pixels with similar features such as luminance, color, textures etc. Superpixels are more efficient than pixels in case of large scale image processing. In this paper, superpixels are generated by SLIC(simple linear iterative clustering) as known popular. Superpixel characteristics are described by compactness, uniformity, boundary precision and recall. The compactness is important features to depict superpixel characteristics. Each superpixel is represented by Lab color spaces, compactness and texture information. DBSCAN clustering method applied to these feature spaces to segment a color image. To evaluate the performance of the proposed method, computer simulation is carried out to several outdoor images. The experimental results show that the proposed algorithm can provide good segmentation results on various images.

• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 1999년도 춘계종합학술대회
• /
• pp.109-112
• /
• 1999

Image segmentation is the critical first step in image information extraction for computer vision systems. Clustering methods have been used extensively in color image segmentation. Most analytic fuzzy clustering approaches are divided from the fuzzy c-means(FCM) algorithm. The FCM algorithm uses fie probabilistic 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 belonging or compatibility. Moreover, the FCM algorithm has considerable trouble under noisy environments in the feature space. Recently, a possibilistic approach to clustering(PCM) for solving above problems was proposed. In this paper, we used the PCM for color image segmentation. This approach differs from existing fuzzy clustering methods for color image segmentation in that the resulting partition of the data can be interpreted as a possibilistic partition. So, the problems in the FCM can be solved by the PCM. But, the clustering results by the PCM are not smoothly bounded, and they often have holes. The region growing was used as a postprocessing after smoothing the noise points in the pixel seeds. In our experiments, we illustrate that the PCM us reasonable than the FCM in noisy environments.

• 전기전자학회논문지
• /
• 제1권1호
• /
• pp.93-100
• /
• 1997

칼라 영상 분할의 한 방법으로 fuzzy C-means를 이용한 방법이 많이 연구되었으나, 이 방법은 클러스터의 개수가 정해져야 사용할 수 있는 방법이다. 분할해야 할 데이터가 많은 경우 예비 분할을 수행하여 예비 분할 되지 않는 데이터들에 대해서 상세 분할을 fuzzy C-means를 사용하여 분할 하나 예비 분할된 데이터의 클러스터 중심과 상세 분할로 만들어진 클러스터의 중심과는 연계성이 없어진다. 본 연구에서는 이것을 보완하기 위하여 차감 클러스터링을 사용하여 칼라 영상의 클러스터의 개수와 중심을 구한 후, 이것을 이용하여 영상을 예비 분할하고 중력을 가진 fuzzy C-means를 사용하여 분할되지 않은 나머지 부분과 클러스터의 중심을 최적화 시켜 분할하는 알고리듬을 제안한다. 제안된 방법의 정성적인 평가를 수행하여 본 논문에서 제시된 방법이 우수함을 보인다.

• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 2001년도 하계종합학술대회 논문집(4)
• /
• pp.219-222
• /
• 2001

Moving objects in video data are main elements for video analysis and retrieval. In this paper, we propose a new algorithm for tracking and segmenting moving objects in color image sequences that include complex camera motion such as zoom, pan and rotating. The Proposed algorithm is based on the Mean-shift color segmentation and stochastic region matching method. For segmenting moving objects, each sequence is divided into a set of similar color regions using Mean-shift color segmentation algorithm. Each segmented region is matched to the corresponding region in the subsequent frame. The motion vector of each matched region is then estimated and these motion vectors are summed to estimate global motion. Once motion vectors are estimated for all frame of video sequences, independently moving regions can be segmented by comparing their trajectories with that of global motion. Finally, segmented regions are merged into the independently moving object by comparing the similarities of trajectories, positions and emerging period. The experimental results show that the proposed algorithm is capable of segmenting independently moving objects in the video sequences including complex camera motion.

• 한국멀티미디어학회:학술대회논문집
• /
• 한국멀티미디어학회 2012년도 춘계학술발표대회논문집
• /
• pp.40-42
• /
• 2012

Colorization is a method using computer to add color to a black and white image automatically. The input is a grayscale image and some representative pixels (RPs). The RPs contain the color information for the image, and it indicates each region's color information. Colorization-based coding is a novel way for lossy image compression, it decodes a color image to get grayscale image and extracts RPs from the image. Because RPs decides the region's color and we also want small data size for image compression, form this viewpoint the paper proposes a way to get better and fewer RPs based on watershed segmentation. According to the segmentation result we also improve the original chrominance blending colorization method to save decode time and get better reconstruct image.

• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2008년도 지능정보 및 응용 학술대회
• /
• pp.142-145
• /
• 2008

본 논문에서는 self-organizing map(SOM)과 grassfire 기법을 이용한 계산 효율적인 컬러 영상 분할 방법을 제안한다. SOM에서 출력 뉴런 수를 축소하고 학습에 사용하는 입력 데이터를 줄임으로써 실행 시간을 단축 시켰다. 입력 영상을 CIE $L^*u^*v^*$ 컬러 공간으로 변환하고 3개의 입력 뉴런과 $4{\times}4$ 또는 $3{\times}3$ 출력 뉴런 구조의 SOM을 이용해 학습한다. 학습 완료 후 입력 영상의 픽셀에 대응하는 출력 값을 구하고 grassfire 기법을 이용해 지역적으로 인접하고 출력 값이 동일한 픽셀들을 하나의 영역으로 결합한다. 다양한 영상을 이용한 실험을 통해 제안한 방법이 컬러 영상 분할에서 기존의 방법에 비해 좋은 결과를 얻을 수 있음을 확인하였다.

• 한국컴퓨터정보학회논문지
• /
• 제15권10호
• /
• pp.71-78
• /
• 2010

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.

• 전기학회논문지
• /
• 제59권1호
• /
• pp.210-216
• /
• 2010

In this study, we propose a novel method to segment an individual tooth region in a true color image. The difference of the intensity in RGB is initially extracted and subsequent morphological reconstruction is applied to minimize the spurious segmentation regions. Multiple seeds in the tooth regions are chosen by searching regional minima and a Sobel-mask edge operations is performed to apply MCWA(Marker-Controlled Watershed Algorithm). As the results of applying MCWA transform for our proposed tooth segmentation algorithm, the individual tooth region can be resolved in a CCD tooth color image.

• 전자공학회논문지S
• /
• 제34S권3호
• /
• pp.97-107
• /
• 1997

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.