[논문]오목한 윤곽을 갖는 객체에서 스네이크 기반의 윤곽선 검출 방법

김신형; 장종환

doi:10.3745/kipstb.2006.13b.4.361

오목한 윤곽을 갖는 객체에서 스네이크 기반의 윤곽선 검출 방법
A Snake-Based Segmentation Algorithm for Object with Boundary Concavities 원문보기

정보처리학회논문지. The KIPS transactions. Part B. Part B, v.13B no.4 = no.107, 2006년, pp.361 - 368

김신형 (배제대학교 정보통신공학과) , 장종환 (배제대학교 정보통신대학원)

초록
AI-Helper

본 논문에서는 스네이크 기반의 객체 윤곽선 검출 방법을 제안한다. 기존의 방법들은 스네이크 에너지 함수의 제약으로 오목한 윤곽을 갖는 복잡한 모양의 객체에 대해서는 윤곽선 검출의 정확도가 떨어지고, 고정된 스네이크 포인트 수를 이용하기 때문에 효율적으로 객체 윤곽을 표현하는데 문제점이 있다. 이러한 문제점을 해결하기 위해 스네이크 포인트의 추가 및 제거를 통해 객체의 윤곽을 검출하는 방법을 제안한다. 제안한 방법은 크게 두 단계로 구성된다. 먼저, 제안하는 스네이크 모델로 초기 관심객체의 윤곽을 검출하고, 두번째 단계로 부족한 포인트는 추가하고 잉여 포인트는 제거하여 객체의 윤곽선을 잘 검출할 수 있게 한다. 제안한 방법은 복잡한 윤곽을 갖는 객체에 대해 윤곽선 검출이 기존의 방법보다 좋은 결과를 보이는 것을 실험을 통해 확인하였다.

Abstract ▼ AI-Helper

In this paper we present a snake-based scheme for efficiently detecting contours of objects with boundary concavities. The proposed method is composed of two steps. First, the object's boundary is detected using the proposed snake model. Second, snake points are optimized by inserting new points and deleting unnecessary points to better describe the object's boundary. The proposed algorithm can successfully extract objects with boundary concavities. Experimental results have shown that our algorithm produces more accurate segmentation results than the conventional algorithm.

주제어

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

본 논문에서는객체의 오목한 윤곽에 잘 적용될 수 있는 내부에너지를 제안한다.
본 논문은 스네이크 기반의 객체 윤곽선 검출방법을 제안하였다. 제안한 방법은 크게 두 단계로, 첫번째 단계에서 종법선 벡터를 이용한 스네이크 모델을 적용하여 초기 객체 윤곽선을 검출하고, 두번째 단계는 스네이크 포인트의 곡률 벡터를 이용하여 포인트 추가 및 제거를 수행하였다.
그러나, 이 방법은 GVF 에너지 맵을 구하기 때문에 많은 계산 시간을 필요로 할 뿐만 아니라 호리병 모양(gourd shaped)의 윤곽을 갖는 객체에 대해서는 좁은 입구(neck of gourd)에서 GVF의 에너지의 집중현상으로 인해 안쪽 윤곽까지 수렴하지 못하는 문제점이 있다. 이러한 문제점들을 해결하고 객체의 윤곽을 잘 검출하기 위한 새로운 스네이크 모델과 스네이크 포인트의 추가 및 제거 과정을 통해 보다 정확한 객체 윤곽선 검출 방법을 본 논문에서 제안한다.

제안 방법

스네이크 포인트들만으로 객체 내부 또는 외부에 추가 되었다는 것을 판단해야 한다. 그 문제를 해결하는 방법으로 스네이크 포인트가 객체 내부나 외부에 존재할 때 그 포인트가 갖는 종법선 벡터의 방향은 위치에 따라 반대로 나타난다는 특성을 이용하였다. 먼저, 추가된 스네이크 포인트들만을 이용하여 B(c, )의 부호를 확인한다.
현재 포인트와 다음 포인트만을고려할 경우, 오목한 윤곽에서는 스네이크 포인트 간의 거리가 다시 늘어나게 되기 때문에 등 간격을 유지 못하게 된다. 따라서, 전체 포인트의 평균거리를 사용하지 않고 현재 스네이크 포인트의 이웃한 스네이크 포인트들간의 거리만을 이용하여 다음과 같은 에너지를 제안한다.
먼저, 제안하는 스네이크 모델을 이용해 초기 윤곽선을 검출한다. 스네이크 모델은 내부에너지에 미분기하학의 프레네 방정식 (Frenet formulas)을 적용하여 스네이크 포인트에서의 종법선벡터 (binormal vector)[ll]를 이용해 오목한 윤곽까지 수렴하게 된다.
본 장에서는 기존의 스네이크 모델을 변경하여 새로운 에너지를 제안하고, 스네이크 포인트의 추가 및 제거 방법을 통해 객체의 윤곽을 더 효과적으로 검출하는 알고리듬을 제안한다.
본논문에서 제안한 객체 추출 방법은 펜티엄-TV 3.0GHz, 메모리 1Gbyte 환경에서 Visual C++6.0을 이용하여 구현 하였다. 실험은 이진 영상과 실 영상에 대해 객체의 모양이 복잡한 실험 영상을 사용하였다.
오목한 윤곽에도 스네이크 포인트가 잘 수렴하도록 하기 위해 제안한 Xu의GV压 스네이크는 외부에너지를 일반 에지 맵이 아닌 GVF 에너지 맵을 적용하여 오목한 윤곽에 적용할 수 있는 방법을 제안하였다. 그러나, 그림 1)의 (Q와 같이 호리병 모양의 객체 윤곽에서는 좁은 입구에서 GVF 에너지가 집중되는 현상을 보인다.
못하는 문제점이 있다. 이러한 문제를 해결하기 위해 스네이크 포인트에서의 종법선벡터를 분석하여 포인트의 이동을 제어하는 방법을 제안한다.
제안한 방법은 크게 두 단계로, 첫번째 단계에서 종법선 벡터를 이용한 스네이크 모델을 적용하여 초기 객체 윤곽선을 검출하고, 두번째 단계는 스네이크 포인트의 곡률 벡터를 이용하여 포인트 추가 및 제거를 수행하였다. 이를 통해 오목한 윤곽 또는 호리병 모양의 윤곽을 갖는 객체에서 에너지 부족현상으로 인해 객체의 윤곽을 잘 검출하지 못했던 기존의 문제점과 고정된 스네이크 포인트 수를 사용할 때 객체 윤곽선 표현의 어려움을 해결할 수 있었다.

대상 데이터

0을 이용하여 구현 하였다. 실험은 이진 영상과 실 영상에 대해 객체의 모양이 복잡한 실험 영상을 사용하였다.
제안한 방법과 기존 방법의 성능비교를 위해 이진 영상 및 실 영상에 대한 실험 결과를 보였고, 그 결과 기존 알고리듬에 비해 제안한 방법이 객체의 윤곽을 잘 검출 하는 것을 확인할 수 있었다. 제안한 방법은 단순한 배경의 영상에서 복잡한 윤곽을 갖는 객체를 대상으로 실험을 수행하였다. 영상 내 잡음의 영향을 줄이기 위해 외부에너지에 가우시안 함수를 적용하여 잡음의 영향을 줄일 수 있었지만, 향후 복잡한 배경(cluttered background)이나 강한 에지를 갖는 영상에서의 객체 윤곽 검출방법이나, 연구를 확장하여 객체 추적 등의 연구를 진행하고자 한다.

데이터처리

제안한 방법과 기존의 방법을 성능평가를 위해 Relative Shape Distortion (RSDX 이용하여 예측된 윤곽선의 정확성을 정량화 하여 비교하였다. RSD는 식 (14)와 같이 나타낸다.

성능/효과

이 결과에 대한 RSD측정 결과 및 알고리듬 수행시간을 <표 1>과 같이 나타냈다. Greedy 스네이크 방법과 제안한 방법은 그 수행시간이 1초 미만의 작은 값인 반면, GVF는 GVF 맵을 생성할 때 많은 계산시간을 요구하기 때문에 15초 이상의 수행시간이 걸리는 것을 확인할 수 있다. 숫자 2의 실영상에 대한 실험결과를 (그림 6)에 보였다.
그러나 돌기를 포함하지 않고 (그림 7)과 같이 왼쪽 영역에 초기 스네이크 포인트를 설정하면 에너지 집중현상이 일어나는 돌기의 좁은 입구에서 더이상 오른쪽 영역으로 이동하지 못하는 결과를 보였다. 반면, 제안한 방법은 전체적으로 영역을 잘 검출할 수 있었다.
제안한 방법은 크게 두 단계로, 첫번째 단계에서 종법선 벡터를 이용한 스네이크 모델을 적용하여 초기 객체 윤곽선을 검출하고, 두번째 단계는 스네이크 포인트의 곡률 벡터를 이용하여 포인트 추가 및 제거를 수행하였다. 이를 통해 오목한 윤곽 또는 호리병 모양의 윤곽을 갖는 객체에서 에너지 부족현상으로 인해 객체의 윤곽을 잘 검출하지 못했던 기존의 문제점과 고정된 스네이크 포인트 수를 사용할 때 객체 윤곽선 표현의 어려움을 해결할 수 있었다. 제안한 방법과 기존 방법의 성능비교를 위해 이진 영상 및 실 영상에 대한 실험 결과를 보였고, 그 결과 기존 알고리듬에 비해 제안한 방법이 객체의 윤곽을 잘 검출 하는 것을 확인할 수 있었다.
적은 수의 초기 스네이크 포인트가 초기화 되었을 경우엔 몇 번에 스네이크 포인트 추가 및 제거과정을 반복함으로써 객체의 윤곽을 검출할 수 있고, 충분히 많은 초기 스네이크 포인트의 경우 보다 적은 반복횟수로 객체의 윤곽을 검출할 수 있었다. 이에 대한 비교는<표 2>에 보였다.
이를 통해 오목한 윤곽 또는 호리병 모양의 윤곽을 갖는 객체에서 에너지 부족현상으로 인해 객체의 윤곽을 잘 검출하지 못했던 기존의 문제점과 고정된 스네이크 포인트 수를 사용할 때 객체 윤곽선 표현의 어려움을 해결할 수 있었다. 제안한 방법과 기존 방법의 성능비교를 위해 이진 영상 및 실 영상에 대한 실험 결과를 보였고, 그 결과 기존 알고리듬에 비해 제안한 방법이 객체의 윤곽을 잘 검출 하는 것을 확인할 수 있었다. 제안한 방법은 단순한 배경의 영상에서 복잡한 윤곽을 갖는 객체를 대상으로 실험을 수행하였다.
그러나 제안한 방법은 세번 반복과정을 통해 (c)와 같은 결과를 얻을 수 있었다. 호리병모양의 윤곽에도 스네이크 포인트가 이동되었고 반복 과정을 통해 윤곽을 비교적 잘 찾는 것을 확인할 수 있었다.

후속연구

먼저 위에서 제안한 스네이크 모델을 이용해 1차 수렴을 수행한 후 스네이크 포인트가 객체의 윤곽에 놓여있다면, 그 윤곽을 잘 묘사하기 위해 부족한 스네이크 포인트를 추가해주고, 잉여 스네이크 포인트는 제거해 주는 과정을 통해 객체의 윤곽을 더 정확히 표현해 줄 필요가 있다.
제안한 방법은 단순한 배경의 영상에서 복잡한 윤곽을 갖는 객체를 대상으로 실험을 수행하였다. 영상 내 잡음의 영향을 줄이기 위해 외부에너지에 가우시안 함수를 적용하여 잡음의 영향을 줄일 수 있었지만, 향후 복잡한 배경(cluttered background)이나 강한 에지를 갖는 영상에서의 객체 윤곽 검출방법이나, 연구를 확장하여 객체 추적 등의 연구를 진행하고자 한다.

참고문헌 (11)

M. Bais, J, Cosmas, C.Dosch, A. Engelsberg, A. Erk, P. S. Hansen, P. Healey, G.K. Klungsoeyr, R. Mies, J,R. Ohm, Y. Paker, A. Peannain, L. Pedersen, A. Sandvancd, R. Schafer, P. Schoonjans, and P. Stamrnnitz, 'Customized Television : Standards Compliant Advanced Digital Television,' IEEE, Trans. Broad .. Vol.48, No.2, pp.151-158, June, 2002

상세보기
ISO/IEC JTC/SC29/WG11/W4350: 'Information Technology - Coding of Audio-Visual Objects Part2 : visual' ISO/IEC 14496-2, july, 2001
R. C. Gonzalez and R. E. Woods, Digital Image Processing, Addision Wesley Publishing Company, 1992
R. M. Haralick and L. G. Shapiro, 'SURVEY: Image Segmentation Techniques,' Computer Vision Graphics and Image Processing, Vol.29, 1985

상세보기
R. Adams and L. Bischof, 'Seeded Region Growing,' IEEE Trans. Pattern Analysis and Machine Intelligence, Vol.16, No.6, pp.641-647, june, 1994

상세보기
G. T. Herman and B. M. Carvalho, 'Multiseeded Segmentation Using Fuzzy Connectedness,' IEEE Trans. Pattern Analysis and Machine Intelligence, Vol.23, No.5, pp.460-474, May, 2001

상세보기
L. Vincent and P. Soille, 'Watersheds in Digital Spaces: An Efficient Algorithm Based on Immersion Simulations,' IEEE Trans. Pattern Analysis and Machine Intelligence, Vol.13, No.6, pp.583-598, june, 1991

상세보기
M. Kass, A. Witkin, and D. Terzopoulos, 'Snake: Active Contour Models,' Int'I J Computer Vision, Vol.1, No.4, pp.321- 331, 1987

상세보기
D. J Williams and M. Shah, 'A Fast Algorithm for Active Contours And Curvature Estimation,' Computer Vision, Graphics, and Image Processing, Vol.55, pp.14-26, 1992

상세보기
C. Xu and J L. Prince, 'Snakes, Shapes, and Gradient Vector Flow,' IEEE Trans. Image Processing, Vol.7, No.3, pp.359-369, March, 1998

상세보기
S.H. Kim and J.W, Jang, 'Object Contour Tracking Using Snakes in Stereo Image Sequences,' ICIP 2005, Vol.2, pp.414-417, pp.11-14, Sept., 2005

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증