$\require{mediawiki-texvc}$
  • 검색어에 아래의 연산자를 사용하시면 더 정확한 검색결과를 얻을 수 있습니다.
  • 검색연산자
검색연산자 기능 검색시 예
() 우선순위가 가장 높은 연산자 예1) (나노 (기계 | machine))
공백 두 개의 검색어(식)을 모두 포함하고 있는 문서 검색 예1) (나노 기계)
예2) 나노 장영실
| 두 개의 검색어(식) 중 하나 이상 포함하고 있는 문서 검색 예1) (줄기세포 | 면역)
예2) 줄기세포 | 장영실
! NOT 이후에 있는 검색어가 포함된 문서는 제외 예1) (황금 !백금)
예2) !image
* 검색어의 *란에 0개 이상의 임의의 문자가 포함된 문서 검색 예) semi*
"" 따옴표 내의 구문과 완전히 일치하는 문서만 검색 예) "Transform and Quantization"
쳇봇 이모티콘
안녕하세요!
ScienceON 챗봇입니다.
궁금한 것은 저에게 물어봐주세요.

논문 상세정보

초록

멀티미디어 표준안으로 제안된 MPEG-4는 객체기반 부호화 방식으로서, 객체를 효율적으로 분할하는 것은 MPEG-4에 있어 중요한 관건이다. 지금까지 이 분야에 대한 연구는 주로 rigid object를 대상으로 하였으나, 본 논문에서는 non-rigid object, 특히 구름이나 연기와 같은 non-rigid object를 대상으로 하여 효율적인 영역 분할 방식을 연구하였다. Non-rigid object는 모양이나 크기가 일정치 않으며 시간에 따라 형태도 변형되므로 정확히 분할해내는 것은 쉽지 않다. 따라서 본 논문에서는 이를 효율적으로 극복하기 위해 정지 영상에서는 watershed 알고리즘을 사용하여 non-rigid object를 분할해 주었다. 그리고 동영상에서는 intra-frame segmentation과 inter-frame segmentation을 통해 연속되는 프레임 내 관심 있는 객체의 경계선을 자동으로 추출해 주었다. 이 때 영상 내 경계 정보와 영역 정보 각각에 가중치를 두어 원하는 객체를 보다 정확히 추출해 주었다.

Abstract

The new MPEG-4 video coding standard enables content-based functionalities. Image segmentation is an indispensable process for it. This paper addresses an effective segmentation of non-rigid objects. Non-rigid objects are deformable objects with fuzzy, blurred and indefinite boundaries. So it is difficult to segment deformable objects precisely. In order to solve this problem, we propose an effective segmentation of non-rigid objects using watershed algorithms in still pictures. And we propose an automatic segmentation through intra-frame and inter-frame segmentation process in video sequences. Automatic segmentation preforms boundary-based and region-based segmentation to extract precise object boundaries.

참고문헌 (12)

  1. Munchurl Kim, Jae Gark Choi, 'A VOP Generation Tool: Automatic Segmentation of Moving Objects in Image Sequences Based on Spatio-Temporal Information', IEEE Trans. Circuits Syst. Video Technol., Vol. 9, No. 8, pp. 1216-1226, 1999 
  2. Luc Vincent and Pierre Soille, 'Watersheds in Digital Spaces : An Efficient Algorithm Based on Immersion Simulations', IEEE Trans. Pattern Anal. Machine Intell., Vol. 13, No. 6, pp. 583-597, 1991 
  3. Rolf Adams and Leanne Bischof, 'Seeded Region Growing', IEEE Trans. Pattern Anal. Machine Intell., Vol. 16, No. 6, pp. 641-647, 1994 
  4. Milan Sonka, Vaclav Hlavac, Roger Boyle, Image Processing, Analysis, and Machine Vision, Brooks/Cole Publishing Company, 1999 
  5. P.Soille , Morphological Image Analysis : Principles and Applications / v.,pp., 1999
  6. P. Soille, Morphological Image Analysis : Principles and Applications, Springer, 1999 
  7. Ramesh Jain, Rangachar Kasturi, Brian G. Schunck, Machine Vision, McGraw-Hill Inc. 1995 
  8. Kostas Haris, Serafim N. Efstratiadis, 'Hybrid Image Segmentation using Watersheds and Fast Region Merging', IEEE Trans. Image Processing, Vol. 7, No. 12, pp. 1684-1699, 1998 
  9. Jean-Marie Beauleu and Morris Goldberg, 'Hierarchy in Picture Segmentation : A Stepwise Optimization Approach', IEEE Trans. Pattern Anal. Machine Intell., Vol. 11, No. 2, pp. 150-163, 1989 
  10. Munchurl Kim, Jun Geun Jeon, Jinsuk Kwak, Myoung Ho Lee, Chieteuk Ahn, Roland Mech, Michael Wollborn, 'Text for VOP generation tools in MPEG-4 version 2 Visual Committee Draft', ISO/IEC JTC1/SC29/WG11 MPEG99/m4478, March 1999 
  11. Christoph stiller, Janusz konrad, 'Estimating motion in image sequences,' IEEE signal processing magazine, pp. 70-91, July 1999 
  12. A. Murat Tekalp, Digital video processing, Prentice Hall PTR, 1995 

이 논문을 인용한 문헌 (0)

  1. 이 논문을 인용한 문헌 없음

원문보기

원문 PDF 다운로드

  • ScienceON :

원문 URL 링크

원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다. (원문복사서비스 안내 바로 가기)

상세조회 0건 원문조회 0건

DOI 인용 스타일