[논문]영상에서 객체와 배경의 색상 특징을 이용한 자동 객체 추출 기법

이승갑; 박영수; 이강성; 이종용; 이상훈

doi:10.14400/jdpm.2013.11.12.459

영상에서 객체와 배경의 색상 특징을 이용한 자동 객체 추출 기법
An Automatic Object Extraction Method Using Color Features Of Object And Background In Image 원문보기

디지털정책연구 = The Journal of digital policy & management, v.11 no.12, 2013년, pp.459 - 465

이승갑 (광운대학교 대학원) , 박영수 (광운대학교 교양학부) , 이강성 (광운대학교 교양학부) , 이종용 (광운대학교 교양학부) , 이상훈 (광운대학교 교양학부)

초록
AI-Helper

본 논문은 영상 속 객체와 배경의 컬러 특징을 이용한 주요 객체의 자동 추출 방법에 관한 연구이다. 인간이 객체를 판단할 때에는 배경과 객체의 색상 차이를 이용하는데 이러한 요소를 객체 추출 방법에 적용시키기 위해서는 배경과 객체의 색차를 강조하여야 한다. 따라서 본 논문에서는 원 RGB 영상을 인간의 시각 시스템과 유사한 HSV 색 공간으로 변환하고 각기 다른 분포도의 메디안 필터를 적용한 두 개의 영상을 생성한 뒤 두 개의 메디안 필터가 적용된 영상들을 합산하였고 데이터 군집화 방법인 Mean Shift 알고리즘을 적용하여 색상 특징을 그룹화 하였다. 마지막으로 이진화 작업을 위하여 영상의 채널 수를 3 채널에서 1 채널로 정규화 한 뒤 영상 내 픽셀들의 평균값을 임계값으로 이용하는 이진화 방법으로 객체 지도 영상을 생성하였고 주요 객체를 추출하였다.

Abstract ▼ AI-Helper

This paper is a study on an object extraction method which using color features of an object and background in the image. A human recognizes an object through the color difference of object and background in the image. So we must to emphasize the color's difference that apply to extraction result in this image. Therefore, we have converted to HSV color images which similar to human visual system from original RGB images, and have created two each other images that applied Median Filter and we merged two Median filtered images. And we have applied the Mean Shift algorithm which a data clustering method for clustering color features. Finally, we have normalized 3 image channels to 1 image channel for binarization process. And we have created object map through the binarization which using average value of whole pixels as a threshold. Then, have extracted major object from original image use that object map.

주제어

AI 본문요약
AI-Helper

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

문제 정의

하지만 객체 추출 작업에서 배경과 객체의 색상이 비슷한 경우 객체와 배경의 일부가 동일한 영역으로 판단되어 추출될 수 있기 때문에 정확한 객체의 추출을 위해서는 객체와 배경의 색상 차이를 정확하게 구분할 수 있는 방법이 필요하다. 따라서 본 논문에서는 영상 내의 객체를 추출하기 위하여 영상의 색상 특징을 기반으로 하여 주요 객체를 자동으로 추출하는 방법을 제안한다. 제안하는 방법은 원 영상을 인간의 시각 시스템을 기반으로 한 색상 모델인 HSV 색 공간으로 변환한다.
본 논문에서는 영상의 색상 특징 정보에 기반 하여 이미지에서 객체를 분할하는 주요 객체 자동 추출 알고리즘을 제안하였다. 제안한 방법은 기존 RGB 영상을 인간의 시각 시스템과 유사한 HSV 색 공간으로 변환하고 영역에 대하여 배경과 객체의 색차를 강조하기 위하여 분포도가 다르게 설정된 메디안 필터를 적용한 2개의 영상을 생성하였다.

제안 방법

Shin은 이러한 문제를 해결하기 위해 색상 정보와 영상의 깊이 정보를 이용하는 방법을 제안하였다.[2] 영상의 색상 정보와 3D 입체 변환에서 사용되는 깊이 지도를 이용하여 객체와 배경 영역이 유사한 색상일지라도 깊이의 정도에 따라 세밀하게 분할 할 수 있도록 하였다. Li는 동영상에서 객체를 추출하기 위하여 색상 특징 정보를 이용하였다.
원 영상을 HSV 색 공간으로 변환 한 다음에는 두 개의 각기 다른 분포도가 설정된 메디안 필터 영상을 적용하고 두 영상을 합산하여 객체와 배경의 색상 차이를 강조하였다. 그리고 Mean Shift 알고리즘을 사용하여 강조된 색상차이를 픽셀 단위의 유사성에 따라 분할하였고 이진화를 위해 3채널 영상을 1채널로 정규화 한 다음이진화 처리를 하였고 이렇게 생성된 객체 지도를 이용하여 영상 내의 객체를 추출하도록 하였다.
이전 영상은 객체와 배경 영역의 색상 구성이 고르지 않아 정확한 영역 분할이 어렵다. 따라서 이러한 요소를 제거하기 위해 HSV 색 공간으로 변환된 영상에 각기 다른 분포도의 메디안 필터가 적용된 2개의 영상을 합산하였다. 메디안 필터는 영상 내 한 픽셀 당 주변 픽셀 값을 정렬하여 중앙에 위치하는 픽셀 값을 이용하는 필터이다.
그리고 생성된 2개의 영상을 합산하여 객체와 배경간의 색상 대비를 강조시킨 다음 Mean Shift 알고리즘을 적용해 영역의 픽셀들을 그룹화하여 배경과 객체의 영역을 나눈다. 마지막으로 임계화와 이진화를 적용하여 객체 지도를 생성한 뒤 이를 이용하여 영상에서 주요 객체를 추출한다. Fig.
원 영상을 HSV 색 공간으로 변환 한 다음에는 두 개의 각기 다른 분포도가 설정된 메디안 필터 영상을 적용하고 두 영상을 합산하여 객체와 배경의 색상 차이를 강조하였다. 그리고 Mean Shift 알고리즘을 사용하여 강조된 색상차이를 픽셀 단위의 유사성에 따라 분할하였고 이진화를 위해 3채널 영상을 1채널로 정규화 한 다음이진화 처리를 하였고 이렇게 생성된 객체 지도를 이용하여 영상 내의 객체를 추출하도록 하였다.
B_(x,y)는 평균값을 임계값으로 설정하여 생성된 이진 영상이다. 이진 영상을 생성한 다음에는 생성된 이진 영상으로 객체 분할 작업을 수행하였다. Fig.
제안한 방법을 기존 방법과 비교하기 위하여 본 논문에서 사용된 이미지 및 마이크로소프트 리서치 아시아[7]에서 제공한 영상들을 대상으로 기존 객체 추출 방법과 제안하는 방법을 사용하여 객체 추출작업을 수행한 결과를 비교해 보았다. 제안하는 방법은 영상의 객체와 배경에 해당하는 영역의 색상의 차이를 강조하였고 객체 영역과 배경 영역 내의 복잡한 색상 분포를 Mean Shift 알고리즘으로 그룹화하여 색상을 고르게 만들었다. 따라서 복잡한 색상 픽셀로 구성된 배경 영역일 경우에도 하나의 통합된 색상으로 그룹화 되기 때문에 영상 내에서 효율적으로 배경 영역의 제거가 가능하였다.
따라서 본 논문에서는 영상 내의 객체를 추출하기 위하여 영상의 색상 특징을 기반으로 하여 주요 객체를 자동으로 추출하는 방법을 제안한다. 제안하는 방법은 원 영상을 인간의 시각 시스템을 기반으로 한 색상 모델인 HSV 색 공간으로 변환한다. 영상을 HSV 색 공간으로 변환하면 밝기와 상관없이 영상을 처리할 수 있다는 장점이 있으며 이는 영역 간 색상을 판단하는 데에 중요한 단서가 될 수 있다.
제안하는 방법은 입력된 영상에 대하여 색 공간을 RGB에서 HSV로 변환하고 각기 다른 분포도가 설정된 메디안 필터를 적용한 영상을 2개 생성한다. 그리고 생성된 2개의 영상을 합산하여 객체와 배경간의 색상 대비를 강조시킨 다음 Mean Shift 알고리즘을 적용해 영역의 픽셀들을 그룹화하여 배경과 객체의 영역을 나눈다.
그 다음 두 개의 영상을 합산하여각 영역의 색상 대비를 강조한 다음 유사한 색상들로 구성된 영역을 그룹화 하기 위하여 Mean Shift 알고리즘을 적용하였다. 제안한 방법은 객체가 복잡한 형태를 갖고 있는 경우에도 효율적으로 객체를 검출해 내었다. 그러나 주요 객체가 다양한 형태의 무늬와 같은 복잡한 색상 혹은 형태적 특징 요소를 내포하거나 객체와 배경의 색상이 비슷하여 색차의 강조가 어려울 경우에는 객체와 배경 영역의 일부가 동일한 영역으로 간주되어 처리 되는 불완전한 결과를 보였다.
본 논문에서는 영상의 색상 특징 정보에 기반 하여 이미지에서 객체를 분할하는 주요 객체 자동 추출 알고리즘을 제안하였다. 제안한 방법은 기존 RGB 영상을 인간의 시각 시스템과 유사한 HSV 색 공간으로 변환하고 영역에 대하여 배경과 객체의 색차를 강조하기 위하여 분포도가 다르게 설정된 메디안 필터를 적용한 2개의 영상을 생성하였다. 그 다음 두 개의 영상을 합산하여각 영역의 색상 대비를 강조한 다음 유사한 색상들로 구성된 영역을 그룹화 하기 위하여 Mean Shift 알고리즘을 적용하였다.
제안한 방법을 기존 방법과 비교하기 위하여 본 논문에서 사용된 이미지 및 마이크로소프트 리서치 아시아[7]에서 제공한 영상들을 대상으로 기존 객체 추출 방법과 제안하는 방법을 사용하여 객체 추출작업을 수행한 결과를 비교해 보았다. 제안하는 방법은 영상의 객체와 배경에 해당하는 영역의 색상의 차이를 강조하였고 객체 영역과 배경 영역 내의 복잡한 색상 분포를 Mean Shift 알고리즘으로 그룹화하여 색상을 고르게 만들었다.

이론/모형

객체 영역과 배경 영역의 색차를 강조한 다음 추가적으로 색상 특징들을 군집화 하기 위하여 다음 식으로 Mean Shift 방법을 적용하였다.
제안한 방법은 기존 RGB 영상을 인간의 시각 시스템과 유사한 HSV 색 공간으로 변환하고 영역에 대하여 배경과 객체의 색차를 강조하기 위하여 분포도가 다르게 설정된 메디안 필터를 적용한 2개의 영상을 생성하였다. 그 다음 두 개의 영상을 합산하여각 영역의 색상 대비를 강조한 다음 유사한 색상들로 구성된 영역을 그룹화 하기 위하여 Mean Shift 알고리즘을 적용하였다. 제안한 방법은 객체가 복잡한 형태를 갖고 있는 경우에도 효율적으로 객체를 검출해 내었다.
제안하는 방법은 입력된 영상에 대하여 색 공간을 RGB에서 HSV로 변환하고 각기 다른 분포도가 설정된 메디안 필터를 적용한 영상을 2개 생성한다. 그리고 생성된 2개의 영상을 합산하여 객체와 배경간의 색상 대비를 강조시킨 다음 Mean Shift 알고리즘을 적용해 영역의 픽셀들을 그룹화하여 배경과 객체의 영역을 나눈다. 마지막으로 임계화와 이진화를 적용하여 객체 지도를 생성한 뒤 이를 이용하여 영상에서 주요 객체를 추출한다.
채널 값을 모두 합한 다음 전체 채널 수 로 나누어 정규화된 1채널 영상 Y를 생성한다. 채널 정규화 후에는 임계값을 이용한 이진화 방법을 사용한다. 영상 내의 픽셀들의 평균을 식 (8)로 구한 뒤 임계값으로 결정하고 식 (9)로 이진화 처리를 수행한다.

성능/효과

제안한 방법을 사용한 결과 이전의 HSV 색상 영상에 비하여 객체와 배경 영역의 색차가 더욱 뚜렷해졌으며 객체의 모양 또한 원본 영상의 주요 객체와 같은 형태로 표현되었다. 메디안 필터가 적용된 두 영상의 합산은 각기 다른 분포도가 설정된 메디안 필터 마스크로 2개의 영상을 생성한 뒤 생성된 영상들을 식 (5)를 통하여 합산한다.
(a)는 원 입력 영상이며 (b)는 그래프 기반으로 영상을 분할하는 Normalized Cuts 방법 그리고 (c)는 가우시안 혼합 모델을 응용한 GMM-BIC 방법 (d)는 본 논문의 제안 방법이다. 타 방법들의 결과는 원 영상에서 객체와 상관없는 영역들이 같이 추출되었으나 본 논문의 제안 방법은 영상을 대표할 수 있는 주요 객체만을 정확하게 추출하였음을 보여준다.

후속연구

향후 개선 방향은 객체와 배경이 비슷한 색상으로 구성되어 있는 경우에 대하여도 정밀한 분할을 수행하는 방법 및 정확한 색상 클러스터링 방법 등이 있다. 또한 이진화 작업 시 임계값을 결정하는 방법을 추가로 보완하면 더욱 효율적인 객체 추출이 가능할 것으로 예상된다.
그러나 주요 객체가 다양한 형태의 무늬와 같은 복잡한 색상 혹은 형태적 특징 요소를 내포하거나 객체와 배경의 색상이 비슷하여 색차의 강조가 어려울 경우에는 객체와 배경 영역의 일부가 동일한 영역으로 간주되어 처리 되는 불완전한 결과를 보였다. 향후 개선 방향은 객체와 배경이 비슷한 색상으로 구성되어 있는 경우에 대하여도 정밀한 분할을 수행하는 방법 및 정확한 색상 클러스터링 방법 등이 있다. 또한 이진화 작업 시 임계값을 결정하는 방법을 추가로 보완하면 더욱 효율적인 객체 추출이 가능할 것으로 예상된다.

질의응답

핵심어	질문	논문에서 추출한 답변
	객체 추출이란?	현재 영상처리 기술은 발전을 거듭하고 있으며 많은 연구가 이루어지고 있다. 영상 처리 기술 중 객체 추출이란 원 영상 내에서 해당 영상을 대표할 수 있는 형태를 추출하는 것을 뜻한다. 객체 추출은 영상처리 분야에 있어서 주요한 기술이다.
	객체 추출 기법은 어떤 방면에서 활용 가능한가?	객체 추출은 영상처리 분야에 있어서 주요한 기술이다. 객체 추출 기법은 CCTV의 외부인 침입 감지 시스템, 환자의 MRI 영상분석, 2D 영상을 입체 영상으로 변환하기 위한 방법 등 다방면에서 활용이 가능하다.[1]
	영상의 색상 특징을 기반으로 하여 주요 객체를 자동으로 추출하는 방법을 제안하는 이유는?	하지만 객체 추출 작업에서 배경과 객체의 색상이 비슷한 경우 객체와 배경의 일부가 동일한 영역으로 판단되어 추출될 수 있기 때문에 정확한 객체의 추출을 위해서는 객체와 배경의 색상 차이를 정확하게 구분할 수 있는 방법이 필요하다. 따라서 본 논문에서는 영상 내의 객체를 추출하기 위하여 영상의 색상 특징을 기반으로 하여 주요 객체를 자동으로 추출하는 방법을 제안한다.

참고문헌 (7)

Hyeon Ho Han, Gang Seong Lee, Jong Yong Lee, Sang Hun Lee, Region Segmentation Technique Based on Active Contour for Object Segmentation. The Journal of Digital Policy & Management, Vol. 10, No. 3,.pp. 167-172, 2012.
In-Yong Shin, Yo-Sung Ho, Graph-based Image Segmentation using Color and Depth Images. The Journal of Korea Information And Communications Society, KICS Int. Conf. Commun, pp. 462-463. 2010.
Na Li, Jiajun Bu, Chun Chen, Real-time video object segmentation using HSV space. Image Processing. International Conference on, Vol. 2, pp. 85-88. 2002.
M. I. Chowdhruty, J. A. Robinson, Improving image segmentation using edge information. Electrical and Computer Engineering. Canadian Conference on, Vol. 1, pp. 312-316. 2000.
Hui Liu, Chenhui Yang, Xiao Shu, Qicong Wang, A new method of shadow detection based on edge information and HSV color information. Power Electronics and Intelligent Transportation System. 2nd International Conference on, Vol. 1, pp. 286-289. 2009.
Chin-Chen Chang, Ju-Yuan Hsiao, Chih-Ping Hsieh, An Adaptive Median Filter for Image Denoising. Intelligent Information Technology Application. Second International Symposium on, Vol. 2, pp. 346-350. 2008.
R. Achanta, S. Hemami, F. Estrada, S. Susstrunk, Frequency-Tuned Salient Region Detection. Computer Vision and Pattern Recognition. IEEE Conference on, pp. 1597-1604. 2009.

저자의 다른 논문 :

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

영상에서 객체와 배경의 색상 특징을 이용한 자동 객체 추출 기법
An Automatic Object Extraction Method Using Color Features Of Object And Background In Image 원문보기

초록
AI-Helper

Abstract ▼ AI-Helper

주제어

AI 본문요약
AI-Helper

문제 정의

제안 방법

이론/모형

성능/효과

후속연구

질의응답

참고문헌 (7)

이 논문을 인용한 문헌

저자의 다른 논문 :

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

영상에서 객체와 배경의 색상 특징을 이용한 자동 객체 추출 기법 An Automatic Object Extraction Method Using Color Features Of Object And Background In Image 원문보기

초록 용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

Abstract ▼ AI-Helper

주제어

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

이론/모형

성능/효과

후속연구

질의응답

참고문헌 (7)

이 논문을 인용한 문헌

저자의 다른 논문 :

이승갑 (1) 박영수 (12) 이강성 (30) 이종용 (88) 이상훈 (64)

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

영상에서 객체와 배경의 색상 특징을 이용한 자동 객체 추출 기법
An Automatic Object Extraction Method Using Color Features Of Object And Background In Image 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper