$\require{mediawiki-texvc}$
  • 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

오목한 윤곽을 갖는 객체에서 스네이크 기반의 윤곽선 검출 방법

A Snake-Based Segmentation Algorithm for Object with Boundary Concavities

초록

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

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.

참고문헌 (11)

  1. 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 
  2. ISO/IEC JTC/SC29/WG11/W4350: 'Information Technology - Coding of Audio-Visual Objects Part2 : visual' ISO/IEC 14496-2, july, 2001 
  3. R. C. Gonzalez and R. E. Woods, Digital Image Processing, Addision Wesley Publishing Company, 1992 
  4. R. M. Haralick and L. G. Shapiro, 'SURVEY: Image Segmentation Techniques,' Computer Vision Graphics and Image Processing, Vol.29, 1985 
  5. R. Adams and L. Bischof, 'Seeded Region Growing,' IEEE Trans. Pattern Analysis and Machine Intelligence, Vol.16, No.6, pp.641-647, june, 1994 
  6. 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 
  7. 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 
  8. M. Kass, A. Witkin, and D. Terzopoulos, 'Snake: Active Contour Models,' Int'I J Computer Vision, Vol.1, No.4, pp.321- 331, 1987 
  9. 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 
  10. 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 
  11. 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 

이 논문을 인용한 문헌 (2)

  1. Lee, Jung-Ho ; Choi, Wan-Sok ; Jang, Jong-Whan 2008. "An Improved Snake Algorithm Using Local Curvature" 정보처리학회논문지. The KIPS transactions. Part B. Part B, b15(6): 501~506 
  2. Jang, Jong-Whan 2010. "Active Contour Model for Boundary Detection of Multiple Objects" 정보처리학회논문지. The KIPS transactions. Part B. Part B, b17(5): 375~380 

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