영상 분할은 영상 처리, 영상 분석, 영상 인식 및 이해의 가장 기본이며 중요한 과정 중 하나이며, 수 년 동안 영상 처리 과정에서 도전과제로 남아있는 분야 중 하나이다. 특히, 요즘 같은 정보화 사회에서 영상 분할의 응용은 다양한 영상 형식을 포함하고 영상 처리의 관련된 모든 분야에서 컴퓨터를 이용한 자동화를 수행하는데 즉, 영상 암호화, 의료 영상의 분석 및 처리, 온라인 시험, 문서 영상 처리, ...
영상 분할은 영상 처리, 영상 분석, 영상 인식 및 이해의 가장 기본이며 중요한 과정 중 하나이며, 수 년 동안 영상 처리 과정에서 도전과제로 남아있는 분야 중 하나이다. 특히, 요즘 같은 정보화 사회에서 영상 분할의 응용은 다양한 영상 형식을 포함하고 영상 처리의 관련된 모든 분야에서 컴퓨터를 이용한 자동화를 수행하는데 즉, 영상 암호화, 의료 영상의 분석 및 처리, 온라인 시험, 문서 영상 처리, 공공 안전 감시 등 매우 광범위하게 응용되고 있다. 오랫동안 영상 분할에 관한 많은 방법들이 개발되어왔지만, 모든 영상에 적합한 새로운 방법들이 여전히 연구되고 있다. 따라서 본 논문에서는 새로운 개미 군집 알고리즘을 적용하여 효과적인 영상 분할을 하고자 한다. 개미 군집 알고리즘은 실세계의 개미들이 목적지를 향해 나아가는 동안 각 경로에 페로몬을 분비하고, 이후에 지나가는 개미들은 그 경로에 쌓여있는 페로몬 정보를 이용해 다음 경로를 선택하는 원리를 휴리스틱 탐색에 적용시킨 기법인 개미 모델에 대한 이론 및 그 응용을 다루고 있는 알고리즘이다. 이러한 특징을 가지고 있는 개미 군집 알고리즘은 탁월한 분별력, 견고성, 긍정적 피드백 등을 가지며 다양한 최적화 문제를 성공적으로 해결해왔지만, 영상 처리 분야에서는 응용이 극히 제한되어왔다. 최근에 개미 군집 알고리즘을 적용한 연구들이 활발히 수행되고 있으며, 영상 분할에 중요한 측면으로 고려되고 있다. 따라서. 본 논문에서는 효과적인 영상분할을 수행하고 분석할 수 있도록 개미 군집 알고리즘을 적용하였으며, 실험결과를 통해서 제안된 방법이 전통적인 분할 방법들보다 계산시간을 줄이면서 향상된 화질을 제공함으로써 효과적인 알고리즘임을 알 수 있다.
영상 분할은 영상 처리, 영상 분석, 영상 인식 및 이해의 가장 기본이며 중요한 과정 중 하나이며, 수 년 동안 영상 처리 과정에서 도전과제로 남아있는 분야 중 하나이다. 특히, 요즘 같은 정보화 사회에서 영상 분할의 응용은 다양한 영상 형식을 포함하고 영상 처리의 관련된 모든 분야에서 컴퓨터를 이용한 자동화를 수행하는데 즉, 영상 암호화, 의료 영상의 분석 및 처리, 온라인 시험, 문서 영상 처리, 공공 안전 감시 등 매우 광범위하게 응용되고 있다. 오랫동안 영상 분할에 관한 많은 방법들이 개발되어왔지만, 모든 영상에 적합한 새로운 방법들이 여전히 연구되고 있다. 따라서 본 논문에서는 새로운 개미 군집 알고리즘을 적용하여 효과적인 영상 분할을 하고자 한다. 개미 군집 알고리즘은 실세계의 개미들이 목적지를 향해 나아가는 동안 각 경로에 페로몬을 분비하고, 이후에 지나가는 개미들은 그 경로에 쌓여있는 페로몬 정보를 이용해 다음 경로를 선택하는 원리를 휴리스틱 탐색에 적용시킨 기법인 개미 모델에 대한 이론 및 그 응용을 다루고 있는 알고리즘이다. 이러한 특징을 가지고 있는 개미 군집 알고리즘은 탁월한 분별력, 견고성, 긍정적 피드백 등을 가지며 다양한 최적화 문제를 성공적으로 해결해왔지만, 영상 처리 분야에서는 응용이 극히 제한되어왔다. 최근에 개미 군집 알고리즘을 적용한 연구들이 활발히 수행되고 있으며, 영상 분할에 중요한 측면으로 고려되고 있다. 따라서. 본 논문에서는 효과적인 영상분할을 수행하고 분석할 수 있도록 개미 군집 알고리즘을 적용하였으며, 실험결과를 통해서 제안된 방법이 전통적인 분할 방법들보다 계산시간을 줄이면서 향상된 화질을 제공함으로써 효과적인 알고리즘임을 알 수 있다.
Image segmentation is the key step of the process from image processing to image analysis, and is the basis of image analysis, recognition and understanding. Image segmentation, partitioning an image into different regions with some specific properties, has always been an important and challenging p...
Image segmentation is the key step of the process from image processing to image analysis, and is the basis of image analysis, recognition and understanding. Image segmentation, partitioning an image into different regions with some specific properties, has always been an important and challenging problem for many years. The application of image segmentation is very extensive, especially in the information society nowadays, using computer technology to carry out the automation process of the vision information processing makes it almost appeared at all relevant fields of image processing, and that involves various image types. It can be used in the realms of the image encoding, the processing and analysis of medicinal image, the analysis of transportation image, the automatic industry, the on-line product examination, the production line control, the documental image processing, the remote sensing and biomedical science image processing, the public security surveillance, the military affairs, the physical education and even in the agriculture engineering. Usually, image segmentation is the basis of image analysis, image recognition, image compression and image encoding; the accuracy of image segmentation’s result will affect the work of the subsequence directly. Hundreds of methods have been put forward. However, new methods are still developing in order to fit to all types of images. The Ant Colony Optimization algorithm (ACO) is a relatively new meta-heuristic algorithm and a successful paradigm of all the algorithms which take advantage of the insect’s behavior. While the ant colony optimization algorithm has been applied successfully to numerous optimization problems with good discretion, parallel, robustness and positive feedback, there is only limited application in the image processing field. Only recently, researchers began to apply ACO algorithm to image processing tasks. At present, ACO is increasingly attached more importance in image segmentation aspect. Through deeply researching the theories and steps of ACO applied in the image segmentation，an improved image segmentation is proposed to effectively accomplish analysis tasks for images. The result of experiment shows that the proposed method can improve greatly the efficiency and get the better quality than the traditional segmentation methods.
Image segmentation is the key step of the process from image processing to image analysis, and is the basis of image analysis, recognition and understanding. Image segmentation, partitioning an image into different regions with some specific properties, has always been an important and challenging problem for many years. The application of image segmentation is very extensive, especially in the information society nowadays, using computer technology to carry out the automation process of the vision information processing makes it almost appeared at all relevant fields of image processing, and that involves various image types. It can be used in the realms of the image encoding, the processing and analysis of medicinal image, the analysis of transportation image, the automatic industry, the on-line product examination, the production line control, the documental image processing, the remote sensing and biomedical science image processing, the public security surveillance, the military affairs, the physical education and even in the agriculture engineering. Usually, image segmentation is the basis of image analysis, image recognition, image compression and image encoding; the accuracy of image segmentation’s result will affect the work of the subsequence directly. Hundreds of methods have been put forward. However, new methods are still developing in order to fit to all types of images. The Ant Colony Optimization algorithm (ACO) is a relatively new meta-heuristic algorithm and a successful paradigm of all the algorithms which take advantage of the insect’s behavior. While the ant colony optimization algorithm has been applied successfully to numerous optimization problems with good discretion, parallel, robustness and positive feedback, there is only limited application in the image processing field. Only recently, researchers began to apply ACO algorithm to image processing tasks. At present, ACO is increasingly attached more importance in image segmentation aspect. Through deeply researching the theories and steps of ACO applied in the image segmentation，an improved image segmentation is proposed to effectively accomplish analysis tasks for images. The result of experiment shows that the proposed method can improve greatly the efficiency and get the better quality than the traditional segmentation methods.
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.