영상 분할(image segmentation)은 주어진 영상에서 관심 대상 객체의 영역이나 경계선을 추출하는 기법으로 영상 인식(image recognition)과 영상 분석(image analysis)을 통한 정확한 정보 획득을 위해 선행되어야 하는 기본적이며 핵심적인 단계이다. 또한, 얼굴인식, ...
영상 분할(image segmentation)은 주어진 영상에서 관심 대상 객체의 영역이나 경계선을 추출하는 기법으로 영상 인식(image recognition)과 영상 분석(image analysis)을 통한 정확한 정보 획득을 위해 선행되어야 하는 기본적이며 핵심적인 단계이다. 또한, 얼굴인식, 지문인식 등의 컴퓨터 비젼, 컴퓨터 그래픽스, 의료 영상 분야에서 가시화, 형태 분석, 측정 및 시뮬레이션 등의 다양한 활용을 위해 필히 요구되는 처리기법이다.
그러나 영상 획득 시 나타나는 고유한 영상 특성과 영상 데이터의 종류, 대상 객체의 다양한 형태로 인해, 임의의 영상에서 일반적인 분할기법을 적용하여 요구되는 대상 객체를 분할하는 것은 쉽지 않다. 특히, 불규칙하게 발생하는 다양한 종류의 잡음을 내포하고 있는 잡음 영상에서 대상 객체의 유동성으로 인해 대상의 위치 및 방향이 다양한 경우에 정확한 대상 객체의 경계선 분할은 많은 제한점을 가진다. 이러한 어려움을 해결하기 위해서는 대상 영상과 객체의 특성이 고려된 제약조건(constraint)을 사용한 전문화된 분할기법이 요구된다.
본 논문에서는 이러한 요구 조건을 충족하기 위해, 잡음 영상에서 방향성 영상 특징(directional image feature)을 제약조건으로 사용하며 이를 기반으로 한 평가 함수의 최소화를 위해 동적 계획법을 사용하는 강건한 경계선 분할 기법을 제안한다. 제안한 방법은 잡음 제거 및 에지 정보 향상을 동시에 수행하는 비등방성 확산필터링을 전처리로 사용하여 잡음 영상 특성에 기인하는 영상의 질적 문제를 해결하며, 다양한 방향으로 기울어진 경계선의 영상 특징을 정확하게 추출하기 위해 회전 하르 필터(rotated Haar filter)를 제안한다. 제안한 필터는 얼굴 검출을 위한 특징 추출에 사용되는 기존 하르 필터를 변형한 필터로 경계선에 이웃한 영역들의 명암도 정보를 통해 기울기에 가장 정확하게 부합하는 경우를 구하여 그 결과를 영상특징 값으로 추출함으로써 기울기 변화와 잡음으로 인한 지역적 최소화(local minima) 문제에 강건하게 경계선을 분할한다.
본 논문의 주요 접근방법으로는 첫째, 구조의 지역적 응집성(local coherence)을제공하는 구조 텐서 기반의 응집성 향상 확산 필터링을 사용하여 전처리를 수행한다. 이는 분할의 어려움을 주는 잡음 영상의 방해물로부터 잡음을 제거할 뿐만 아니라 에지 방향에 따른 비등방성 확산을 통해 응집성이 큰 에지 구조를 강화시킨다.
둘째, 경계선의 방향을 고려한 회전 하르 필터를 사용하여 영상 특징을 추출한다. 제안한 필터는 기존 하르 필터의 변형으로 다양한 각도로 기울어진 경계선에서 방향이 고려된 영상 특징을 추출할 수 있도록 회전된 하르 필터를 사용하여 경계선에 가장 정확하게 부합될 때 가장 작은 결과를 제공하도록 설계한다. 아울러, 응집성 크기 값을 기반으로 대상 영역과 배경 영역을 대략적으로 분류한 후 영역별 필터적용을 달리 함으로써 분할을 위해 소요되는 계산시간을 줄인다.
셋째, 회전 하르 필터를 기반으로 한 영상 특징 값과 경계 연속성을 위한 값을 평가항(cost term)으로 하는 평가 함수(cost function)를 정의하고 이를 최소화하기 위해 전역적 최적화 기법인 동적 계획법을 사용한다. 동적 계획법은 평가 함수의 최소화를 위한 전역적인 탐색을 수행함으로써 잡음으로 인한 지역적 최소화를 피한다.
넷째, 잡음 영상에서 정보 손실이 나타나는 드랍아웃과 같은 영역에서 분할의 오류를 개선하기 위해 곡선적합을 이용하여 분할의 잘못된 결과(false positive)를 보정함으로써 경계선의 완만성을 향상시킨다.
본 논문에서 제안한 방향성 특징을 사용한 강건한 경계선 분할 기법은 잡음 영상에서 영상 특성과 방향성을 고려한 경계선의 최적 분할을 통해 영상 획득 시 발생하는 다양한 잡음과 방향을 갖는 대상 경계선에서 강건하고 정확한 분할 결과를 제공한다. 제안한 회전 하르 필터는 대상의 구조적 정보에 적응적인 필터 유형과 크기가 가능하므로 다양한 대상 객체의 경계선 분할에 적용할 수 있다. 또한, 초음파 영상, 합성개구면 레이다 영상, 광학 영상 등의 다양한 잡음 영상에서의 경계선 분할을 위한 활용이 가능하다.
영상 분할(image segmentation)은 주어진 영상에서 관심 대상 객체의 영역이나 경계선을 추출하는 기법으로 영상 인식(image recognition)과 영상 분석(image analysis)을 통한 정확한 정보 획득을 위해 선행되어야 하는 기본적이며 핵심적인 단계이다. 또한, 얼굴인식, 지문인식 등의 컴퓨터 비젼, 컴퓨터 그래픽스, 의료 영상 분야에서 가시화, 형태 분석, 측정 및 시뮬레이션 등의 다양한 활용을 위해 필히 요구되는 처리기법이다.
그러나 영상 획득 시 나타나는 고유한 영상 특성과 영상 데이터의 종류, 대상 객체의 다양한 형태로 인해, 임의의 영상에서 일반적인 분할기법을 적용하여 요구되는 대상 객체를 분할하는 것은 쉽지 않다. 특히, 불규칙하게 발생하는 다양한 종류의 잡음을 내포하고 있는 잡음 영상에서 대상 객체의 유동성으로 인해 대상의 위치 및 방향이 다양한 경우에 정확한 대상 객체의 경계선 분할은 많은 제한점을 가진다. 이러한 어려움을 해결하기 위해서는 대상 영상과 객체의 특성이 고려된 제약조건(constraint)을 사용한 전문화된 분할기법이 요구된다.
본 논문에서는 이러한 요구 조건을 충족하기 위해, 잡음 영상에서 방향성 영상 특징(directional image feature)을 제약조건으로 사용하며 이를 기반으로 한 평가 함수의 최소화를 위해 동적 계획법을 사용하는 강건한 경계선 분할 기법을 제안한다. 제안한 방법은 잡음 제거 및 에지 정보 향상을 동시에 수행하는 비등방성 확산 필터링을 전처리로 사용하여 잡음 영상 특성에 기인하는 영상의 질적 문제를 해결하며, 다양한 방향으로 기울어진 경계선의 영상 특징을 정확하게 추출하기 위해 회전 하르 필터(rotated Haar filter)를 제안한다. 제안한 필터는 얼굴 검출을 위한 특징 추출에 사용되는 기존 하르 필터를 변형한 필터로 경계선에 이웃한 영역들의 명암도 정보를 통해 기울기에 가장 정확하게 부합하는 경우를 구하여 그 결과를 영상특징 값으로 추출함으로써 기울기 변화와 잡음으로 인한 지역적 최소화(local minima) 문제에 강건하게 경계선을 분할한다.
본 논문의 주요 접근방법으로는 첫째, 구조의 지역적 응집성(local coherence)을제공하는 구조 텐서 기반의 응집성 향상 확산 필터링을 사용하여 전처리를 수행한다. 이는 분할의 어려움을 주는 잡음 영상의 방해물로부터 잡음을 제거할 뿐만 아니라 에지 방향에 따른 비등방성 확산을 통해 응집성이 큰 에지 구조를 강화시킨다.
둘째, 경계선의 방향을 고려한 회전 하르 필터를 사용하여 영상 특징을 추출한다. 제안한 필터는 기존 하르 필터의 변형으로 다양한 각도로 기울어진 경계선에서 방향이 고려된 영상 특징을 추출할 수 있도록 회전된 하르 필터를 사용하여 경계선에 가장 정확하게 부합될 때 가장 작은 결과를 제공하도록 설계한다. 아울러, 응집성 크기 값을 기반으로 대상 영역과 배경 영역을 대략적으로 분류한 후 영역별 필터적용을 달리 함으로써 분할을 위해 소요되는 계산시간을 줄인다.
셋째, 회전 하르 필터를 기반으로 한 영상 특징 값과 경계 연속성을 위한 값을 평가항(cost term)으로 하는 평가 함수(cost function)를 정의하고 이를 최소화하기 위해 전역적 최적화 기법인 동적 계획법을 사용한다. 동적 계획법은 평가 함수의 최소화를 위한 전역적인 탐색을 수행함으로써 잡음으로 인한 지역적 최소화를 피한다.
넷째, 잡음 영상에서 정보 손실이 나타나는 드랍아웃과 같은 영역에서 분할의 오류를 개선하기 위해 곡선적합을 이용하여 분할의 잘못된 결과(false positive)를 보정함으로써 경계선의 완만성을 향상시킨다.
본 논문에서 제안한 방향성 특징을 사용한 강건한 경계선 분할 기법은 잡음 영상에서 영상 특성과 방향성을 고려한 경계선의 최적 분할을 통해 영상 획득 시 발생하는 다양한 잡음과 방향을 갖는 대상 경계선에서 강건하고 정확한 분할 결과를 제공한다. 제안한 회전 하르 필터는 대상의 구조적 정보에 적응적인 필터 유형과 크기가 가능하므로 다양한 대상 객체의 경계선 분할에 적용할 수 있다. 또한, 초음파 영상, 합성개구면 레이다 영상, 광학 영상 등의 다양한 잡음 영상에서의 경계선 분할을 위한 활용이 가능하다.
Image segmentation is used to extract meaningful regions or the boundaries of objects from an image, and is an essential step for extracting information in image recognition and analysis. It is a necessary process for various applications including visualization, shape analysis, measurements and sim...
Image segmentation is used to extract meaningful regions or the boundaries of objects from an image, and is an essential step for extracting information in image recognition and analysis. It is a necessary process for various applications including visualization, shape analysis, measurements and simulation in areas such as computer vision, computer graphics and medical image analysis.
However, it is not easy to detect the boundaries of objects using common segmentation techniques in all images, due to the various image types, object shapes, and inherent image characteristics. Detecting the boundaries of objects from noisy images is challenging because of speckle noise, imaging artifacts, and weak edges due to random scattering. Additionally, the boundaries of objects have various directions due to the flexibility and scan orientation during the acquisition of the images, which increase the limitations of detecting the correct boundaries. To overcome these difficulties, specialized segmentation techniques are needed that make use of task-specific constraints that consider image and object characteristics.
Therefore, we present a robust boundary segmentation method that uses a directional image feature as constraint to compute a cost function and uses dynamic programming to achieve a global minimum search of the cost function. The proposed method uses an anisotropic diffusion filtering to enhance the border and reduce noise as a pre-processing step to improve the image quality, and uses a rotated Haar filter to extract an image feature that can account for the slope of the boundary in an image. The rotated Haar filter is a modified Haar filter, which is used to extract features for face detection. We extract the image feature by aligning the filter with the direction of the boundary using the intensity of the neighboring region located close to the boundary. By doing that, this method increases the robustness of boundary detection against its direction and local minima.
To describe our principal approach briefly, we first apply a coherence enhancement diffusion filtering based on a structure tensor, which provides information about the local coherence of structure. This filtering enhances edge structure while reducing the speckle noises in noisy images.
Second, we extract the image feature using a rotated Haar filter that can account for the slope of the boundary in an image. The rotated Haar filter is a modified version of the Haar filter and yields the minimum of the image feature when the filter is rotated at closest to the slope of the boundary. In addition, we can reduce the computation time for segmentation by selecting whether we apply basic Haar filter that is not rotated or a rotated Haar filter. To selelect the filter applying at each pixel, we compute local coherence and then approximately classify the image into two regions, the object and the background.
Third, we use dynamic programming to minimize a cost function, which combines the image features extracted using the rotated Haar filter and geometric continuity. The dynamic programming overcomes the problem of the local minima by performing a global search for the pixel that minimizes the cost function.
Finally, we refine false edges by polynomial fitting after detection, so as to compensate for dropout areas where there is no boundary data.
The proposed method is a robust boundary segmentation using a directional image feature. This method not only achieves accurate segmentation of sloping boundaries but also overcomes the problems of speckle noise and weak edges found in noisy images. We can detect boundaries of various objects because the rotated Haar filter adapts its type and size corresponding to the structure of the object. We can perform boundary segmentation of objects in noisy images such as ultrasound images, synthetic aperture radar images, and optical images.
Image segmentation is used to extract meaningful regions or the boundaries of objects from an image, and is an essential step for extracting information in image recognition and analysis. It is a necessary process for various applications including visualization, shape analysis, measurements and simulation in areas such as computer vision, computer graphics and medical image analysis.
However, it is not easy to detect the boundaries of objects using common segmentation techniques in all images, due to the various image types, object shapes, and inherent image characteristics. Detecting the boundaries of objects from noisy images is challenging because of speckle noise, imaging artifacts, and weak edges due to random scattering. Additionally, the boundaries of objects have various directions due to the flexibility and scan orientation during the acquisition of the images, which increase the limitations of detecting the correct boundaries. To overcome these difficulties, specialized segmentation techniques are needed that make use of task-specific constraints that consider image and object characteristics.
Therefore, we present a robust boundary segmentation method that uses a directional image feature as constraint to compute a cost function and uses dynamic programming to achieve a global minimum search of the cost function. The proposed method uses an anisotropic diffusion filtering to enhance the border and reduce noise as a pre-processing step to improve the image quality, and uses a rotated Haar filter to extract an image feature that can account for the slope of the boundary in an image. The rotated Haar filter is a modified Haar filter, which is used to extract features for face detection. We extract the image feature by aligning the filter with the direction of the boundary using the intensity of the neighboring region located close to the boundary. By doing that, this method increases the robustness of boundary detection against its direction and local minima.
To describe our principal approach briefly, we first apply a coherence enhancement diffusion filtering based on a structure tensor, which provides information about the local coherence of structure. This filtering enhances edge structure while reducing the speckle noises in noisy images.
Second, we extract the image feature using a rotated Haar filter that can account for the slope of the boundary in an image. The rotated Haar filter is a modified version of the Haar filter and yields the minimum of the image feature when the filter is rotated at closest to the slope of the boundary. In addition, we can reduce the computation time for segmentation by selecting whether we apply basic Haar filter that is not rotated or a rotated Haar filter. To selelect the filter applying at each pixel, we compute local coherence and then approximately classify the image into two regions, the object and the background.
Third, we use dynamic programming to minimize a cost function, which combines the image features extracted using the rotated Haar filter and geometric continuity. The dynamic programming overcomes the problem of the local minima by performing a global search for the pixel that minimizes the cost function.
Finally, we refine false edges by polynomial fitting after detection, so as to compensate for dropout areas where there is no boundary data.
The proposed method is a robust boundary segmentation using a directional image feature. This method not only achieves accurate segmentation of sloping boundaries but also overcomes the problems of speckle noise and weak edges found in noisy images. We can detect boundaries of various objects because the rotated Haar filter adapts its type and size corresponding to the structure of the object. We can perform boundary segmentation of objects in noisy images such as ultrasound images, synthetic aperture radar images, and optical images.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.