$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

다중스케일 노멀라이즈 컷을 이용한 영상분할
Image Segmentation using Multi-scale Normalized Cut 원문보기

방송공학회논문지 = Journal of broadcast engineering, v.18 no.4, 2013년, pp.609 - 618  

이재현 (서강대학교 전자공학과) ,  이지은 (서강대학교 전자공학과) ,  박래홍 (서강대학교 전자공학과)

초록
AI-Helper 아이콘AI-Helper

본 논문은 기존 그래프 컷 기반 영상분할의 성능은 유지하면서 연산속도가 빠른 영상분할 방법을 제안한다. 기존 그래프 컷 기반 영상분할은 높은 성능을 보이지만 고유쌍 연산으로 인해 분할 속도가 느리다는 단점을 지닌다. 이는 고유쌍 연산에서 영상 내 모든 화소 사이의 유사도를 고려하여 정방행렬을 만들기 때문이다. 그러므로 제안하는 방법은 영상을 여러 영역으로 분할하여 작은 크기의 정방행렬을 구성하고 이를 통해 고유쌍 연산 속도를 크게 향상시킨다. 본 논문에서는 대수적 다중 격자를 이용한 다중스케일 영상분할법을 제안하고 실험 결과를 통해 제안하는 방법이 기존 영상분할 방법보다 그 성능이 더 우수함을 보인다.

Abstract ▼ AI-Helper 아이콘AI-Helper

This paper proposes a fast image segmentation method that gives high segmentation performance as graph-cut based methods. Graph-cut based image segmentation methods show high segmentation performance, however, the computational complexity is high to solve a computationally-intensive eigen-system. Th...

주제어

#normalized cut   #segmentation   #multi-scale segmentation   #algebraic multi-grid  

질의응답

핵심어 질문 논문에서 추출한 답변
다중스케일 영상분할은 어떤 방법인가? 다중스케일 영상분할은 대수적 다중격자 (AMG)를 이용하여 비정규 다중스케일 구조를 생성하고 이를 통해 영상을 분할하는 방법이다[15]. 이때 다중스케일은 AMG를 유사 노드끼리 묶어 새로운 그래프를 생성하는 그래프 coarsening 방법이다.
영상분할에는 어떤 방법들이 있는가? 영상분할에는 히스토그램 기반, 마코프 랜덤필드 기반, 경계 기반 및 영역 기반 분할 등 다양한 방법이 있다[4-6]. 최근에는 깊이 정보를 얻는 기술의 발달로 깊이 영상까지 활용한 방법도 제안되고 있다[7-9].
영상분할방법 중 그래프 컷은 어떤 원리로 영상을 분할하는가? 그래프 컷은 기존 방법들 중 가장 주목받는 영상분할방법이다. 이는 영상의 지역적 특징, 즉, 영상의 화소가 가지는 빛의 밝기 등을 이용한 전역분할방법으로서 여러 연구결과를 통해 그 성능을 인정받고 있다[10-14].
질의응답 정보가 도움이 되었나요?

참고문헌 (17)

  1. H. Han, J. Jeong, E. Arai, Y. Choi, and J. Jo, "3D perception enhancement using depth map based color processing", Proc. IEEE Int. Conf. Consumer Electronics, pp. 177-178, Jan. 2011. 

  2. X. Wei, S. L. Phung, and A. bouzerdoum, "Scene segmentation and pedestrian classification from 3-D range and intensity images", Proc. IEEE Int. Conf. Multimedia and Expo, pp. 103-108, Jul. 2012. 

  3. M. Fric, P. Kamencay, and P. Lukac, "Automatic segmentation and impact for retrieval images", Proc. Conf. Signal Processing Algorithms, Architectures, Arrangements, and Applications, pp. 1-5, Sept. 2011. 

  4. T. Junwei and H. Yongxuan, "Histogram constraint based fast FCM cluster image segmentation", Proc. IEEE Int. Symposium on Industrial Electronics, pp. 1623-1627, Jun. 2007. 

  5. K. Hu, G. Y. Tang, D. P. Xiong, and Q. Qiu, "A novel image segmentation algorithm based on hidden Markov random field model and finite mixture model parameter estimation", Proc. Int. Conf. Wavelet Analysis and Pattern Recognition, pp. 1-6, Jul. 2012. 

  6. C. Cigla and A. A. Alatan, "Depth assisted object segmentation in multi- view video", Proc. Conf. 3DTV: The True Vision - Capture, Transmission and Display of 3D Video, pp. 185-188, May 2008. 

  7. C. D. Mutto, P. Zanuittigh, and G. M. Cortelazzo, "Fusion of geometry and color information for scene segmentation", IEEE Journ. Selected Topics in Signal Processing, vol. 6, no. 5, pp. 505-521, Sept. 2012. 

    상세보기 crossref

  8. M. Dahan, N. Chen, A. Shamir, and D. C. Or, "Combining color and depth for enhanced image segmentation and retargeting", The Visual Computer, vol. 28, no. 12, pp. 1181-1193, Dec. 2011. 

  9. D. Rao, Q. V. Le, T. Phoka, M. Quigley, A. Sudsang, and A. Y. Ng, "Grasping novel objects with depth segmentation", Proc. IEEE/RSJ Int. Conf. Intelligent Robots and Systems, pp. 2578-2584, Taipei, Taiwan, Oct. 2010. 

  10. Z. Wu and R. Leahy, "An optimal graph theoretic approach to data clustering", IEEE Trans. Pattern Analysis and Machine Intelligence, vol. 15, no. 11, pp. 1101-1113, Nov. 1993. 

    상세보기 crossref

  11. J. Shi and J. Malik, "Normalized cuts and image segmentation", IEEE Trans. Pattern Analysis and Machine Intelligence, vol. 22, no. 8, pp. 888-905, Aug. 2000. 

    상세보기 crossref

  12. H. Wang, N. Ray, and H. Zhang, "Graph-cut optimization of the ratio of functions and its application to image segmentation", Proc. Int. Conf. Image Processing, pp. 749-752, Oct. 2008. 

  13. T. H. Le, S.-W. Jung, K.-S. Choi, and S.-J. Ko, "Image segmentation based on modified graph-cut algorithm, Electronic Letters, vol. 46, no. 16, pp. 1121-1123, Aug. 2010. 

    상세보기 crossref

  14. Y. Li, Y. Du, B. Liou, H. Li, Q. Zhang, and L. Yaqian, "Image segmentation method based on improved graph cut algorithm", Proc. IEEE Int. Conf. Computer Science and Automation Engineering, vol. 2, pp. 335-340, May 2012. 

  15. E. Sharon, A. Brandt, and R. Basri, "Fast multiscale image segmentation", Proc. IEEE Int. Conf. Computer Vision and Pattern Recognition, vol. 1, no. 2, pp. 70-77, Jun. 2000. 

  16. S. X. Yu, "Segmentation using multiscale cues", Proc. IEEE Int. Conf. Computer Vision and Pattern Recognition, vol. 1, no. 27, pp. 247-254, Jul. 2004. 

  17. J. Malik, S. Belongie, T. Leung, and J. Shi, "Contour and texture analysis for image segmentation, Int. J. Computer Vision", vol. 43, no. 1, pp. 29-44, Jun. 2001. 

    crossref

저자의 다른 논문 :

관련 콘텐츠

오픈액세스(OA) 유형

BRONZE

출판사/학술단체 등이 한시적으로 특별한 프로모션 또는 일정기간 경과 후 접근을 허용하여, 출판사/학술단체 등의 사이트에서 이용 가능한 논문

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로