[논문]적응 퍼지 이진화

전왕수; 이상용

doi:10.5391/jkiis.2016.26.6.485

초록
AI-Helper

이진화는 컴퓨터 비전 분야에서 전경과 배경을 분리하는 중요한 역할을 한다. 본 연구에서는 적응 퍼지 이진화 방법을 제안한다. 이동 창 내의 화소의 밝기 값 분포에 따라 ${\alpha}$-컷을 구하고, 이 값을 이용하여 이진화를 수행한다. ${\alpha}$-컷을 구하기 위해 수행속도가 빠른 기존의 이진화 방법들을 이용한다. 기존 방법들로 구해진 임계치들을 퍼지 소속 함수들의 중심값으로 설정하고, 화소의 밝기값 분포를 이용하여 퍼지 소속 함수들의 구간을 결정한다. 결정된 퍼지 소속 함수들을 이용하여 ${\alpha}$-컷의 조정율을 구하고, 각 화소의 소속도에 따라 이진화를 수행한다. 실험 결과는 제안한 방법이 기존의 방법들보다 전경과 배경이 효과적으로 분리될 수 있고, 전경의 손실이 적어지는 것을 보여준다.

Abstract ▼ AI-Helper

A role of the binarization is very important in separating the foreground and the background in the field of the computer vision. In this study, an adaptive fuzzy binarization is proposed. An ${\alpha}$-cut control ratio is obtained by the distribution of grey level of pixels in a sliding...

A role of the binarization is very important in separating the foreground and the background in the field of the computer vision. In this study, an adaptive fuzzy binarization is proposed. An ${\alpha}$-cut control ratio is obtained by the distribution of grey level of pixels in a sliding window, and binarization is performed using the value. To obtain the ${\alpha}$-cut, existing thresholding methods which execution speed is fast are used. The threshold values are set as the center of each membership function and the fuzzy intervals of the functions are specified with the distribution of grey level of the pixel. Then ${\alpha}$-control ratio is calculated using the specified function and binarization is performed according to the membership degree of the pixels. The experimental results show the proposed method can segment the foreground and the background well than existing binarization methods and decrease loss of the foreground.

주제어

AI 본문요약
AI-Helper

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

문제 정의

본 연구에서는 영상의 효과적인 처리를 위하여 적응 퍼지 이진화 방법을 제안하였다. 전체 영상을 이동 창(sliding window)으로 이동하면서 이동 창 내의 영상 밝기값 분포에 따라 α-컷을 계산하고, 이 값을 이용하여 이진화를 수행한다.
이러한 문제적을 해결하기 위하여 본 연구에서는, 부분 영상에 퍼지 이진화 기법을 적용하는 적응 퍼지 이진화를 제안한다. α-컷(cut) 값을 정적으로 설정하는 것이 보다 영상에 따라 다르게 설정하는 것이 우수한 성능을 보이기 때문에[6] 본 연구에서는 영상의 부분 영역마다 -컷을 다르게 설정한다.

가설 설정

표 3은 제안된 알고리즘과 비교를 하기 위해 사용하는 알고리즘들의 연산속도를 비교한 것이다. 연산속도는 전역 이진화 방법인 오츠가 가장 빨랐다. 적응 이진화 중에서는 제인방법이 가장 빠르고, 제안된 방법이 그 다음으로 빨랐다.
퍼지집합 X , Y가 있고 각각의 원소 x ∊ X, y ∊ Y라고 가정한다. 원소 x가 원소 y와 R관계가 있다는 것은 xRy로 나타낸다.

제안 방법

α-컷(cut) 값을 정적으로 설정하는 것이 보다 영상에 따라 다르게 설정하는 것이 우수한 성능을 보이기 때문에[6] 본 연구에서는 영상의 부분 영역마다 -컷을 다르게 설정한다. α-컷을 정하기 위해서 임계치를 정하는 기존의 이진화 방법을 활용해야 하는데, 평균법, 반복법 오츠법, Bimodal법, PB법 그리고 PBR법 등을 검토하였다. 수행시간은 평균법이 가장 짧았으며, 반복법, 오츠법, Bimodal법 순으로 길어진다[7], 40장의 영상을 반복법과 오츠법으로 테스트한 결과 임계치의 차이가 평균 0.
본 연구에서 제안한 적응 퍼지 이진화는 파라미터 η를 이용하여 α-컷 값을 조절한다. 그림 4와 같이 0.
본 연구에서는 α-컷 값을 설정하기 위해 평균법 임계치 T_tm, 반복법 임계치 T_im를 구하고, 각 임계치를 삼각형 소속함수의 중심값으로 설정한다. 식 (5)에서는 각 소속함수의 중심을 계산한다.
즉 평균법, 반복법으로 임계치를 구한 후, 이 값들을 두 개의 퍼지 소속함수의 중심값들로 설정하였다. 영상의 최소 밝기값, 최대 밝기값을 이용하여 각 소속함수의 최대, 최소, 중간 값을 설정한 후, 일반적으로 퍼지 이진화에서 사용하는 α-컷 값을 조정하는 조정률을 구하였고, 이 조정률로 α-컷 값을 설정하여 전경과 배경을 구분하는 이진화 하였다.
본 연구에서 사용하는 α-컷을 계산하기 위하여 기존 방법의 임계치를 활용한다. 즉 평균법, 반복법으로 임계치를 구한 후, 이 값들을 두 개의 퍼지 소속함수의 중심값들로 설정하였다. 영상의 최소 밝기값, 최대 밝기값을 이용하여 각 소속함수의 최대, 최소, 중간 값을 설정한 후, 일반적으로 퍼지 이진화에서 사용하는 α-컷 값을 조정하는 조정률을 구하였고, 이 조정률로 α-컷 값을 설정하여 전경과 배경을 구분하는 이진화 하였다.

대상 데이터

실험에 사용된 영상 그림 5의 인쇄물은 글자와 배경의 대비가 낮은 영상이다. 여기서 사용된 임계치는 평균법에서 31이고, 반복적 방법에서 53이며, α-컷의 범위는 [0.
0을 사용하였다. 실험에 사용된 영상은 그림 3과 같으며, 배경과 명암도 대비차이가 적은 인쇄물, 흐리거나 얼룩이 생긴 노트들, 광각카메라로 촬영하여 방사선 방향으로 왜곡된 체스판, 그림자와 부분조명이 있는 QR코드 이미지로 구성하였다.

데이터처리

본 논문에 제안한 적응 퍼지 이진화의 성능을 평가하기 위해 전역 이진화에 가장 성능이 뛰어난 Otsu[2] 방법과 적응 이진화 방법으로는 잡영 제거와 문자 분리에 좋은 성능을 보이고 있는 Niblack[10] 방법, Sauvola[11] 방법 그리고 Jain[12] 방법들과 비교하였다. 표 1은 각 알고리즘에서 사용하는 파라미터의 종류와 값을 나타낸다.

성능/효과

결과적으로 본 연구에서 제안한 방법이 다른 영상들에 비교하여 볼 때, 전경과 배경이 대비가 낮거나, 그림자나 얼룩 등의 잡영이 있는 영상에서 전경과 배경 분리에 효과적임을 확인 할 수 있었고, 전경 손실이 적다는 것을 알 수 있었다.
그림 5를 보면 기존의 적응 이진화 방법들 중에는 Sauvola 알고리즘이 잡영 제거에는 가장 효율적이었지만 전경과 배경 사이의 값이 뚜렷하지 않은 경우에는 전경부분이 제거되는 경우가 발생하였다. 그러나 제안된 적응 퍼지 이진화 방법은 Sauvola보다 잡영 제거는 부족하지만 기존의 적응 이진화보다 경계선이 뚜렷하고 Sauvola 방법보다 글자들이 선명하게 만드는 것을 볼 수 있다.
여러 영상을 실험한 결과 기존의 적응 이진화 기법들 보다 이진화를 수행한 결과가 좋다는 것을 알 수 있었다. 특히 기존의 적응 이진화 기법들 보다 전경의 손실이 적은 것을 확인 하였다.
사용된 영상은 반복적 임계치보다 평균치가 높게 나왔는데 밝기값이 높은 영역이 많이 존재하기 때문이다. 오른쪽의 어두운 부분을 완전히 제거 하지는 못했지만 제안된 방법이 비교하는 방법들 중에서 제일 좋은 결과를 얻었다. 그림 5의 네 번째는 잉크를 떨어뜨리거나 물을 흘려 번져버린 책의 영상이다.
적응 이진화 중에서는 제인방법이 가장 빠르고, 제안된 방법이 그 다음으로 빨랐다. 제안된 방법은 Niblack과 Sauvola방법보다 연산량이 적으면서 그림 5, 6과 같이 영상에 따라 비슷하거나, 더 나은 성능을 보이고 있다.
여러 영상을 실험한 결과 기존의 적응 이진화 기법들 보다 이진화를 수행한 결과가 좋다는 것을 알 수 있었다. 특히 기존의 적응 이진화 기법들 보다 전경의 손실이 적은 것을 확인 하였다. 그러나 휘광이 있는 영상에서는 전경이 손실되는 경우도 발생 하였다.

후속연구

창의 크기를 어떻게 설정하느냐에 따라 임계치가 달라지고 결과영상이 달라지기 때문이다. 앞으로 적절한 창 크기를 자동으로 선택하여 효과적으로 이진화 할 수있도록 알고리즘을 개선하려고 한다.

질의응답

핵심어	질문	논문에서 추출한 답변
	이진화은 무엇인가?	이러한 취지를 달성하기 위한 영상처리방법 중에 하나는 이진화이다. 이진화(binarization)는 영상의 화소값들과 임계치를 비교하여 영상에 있는 객체들을 전경(foreground)과 배경(background)으로 분리하는 기법이다. 이진화는 크게 전역 이진화와 적응 이진화로 분류 할 수 있다[1].
	이진화는 크게 무엇으로 분류할 수 있는가?	이진화(binarization)는 영상의 화소값들과 임계치를 비교하여 영상에 있는 객체들을 전경(foreground)과 배경(background)으로 분리하는 기법이다. 이진화는 크게 전역 이진화와 적응 이진화로 분류 할 수 있다[1]. 전역 이진화 방법은 하나의 임계치(threshold)를 선정하여 영상 전체의 모든 화소에 적용하는 것이다.
	적응 이진화의 장점과 한계점은 무엇인가?	적응 이진화의 방법은 이진화 대상이 되는 화소의 주변 화소의 밝기값을 이용하여 영역마다 임계치 설정하는 방법이다. 이 방법은 전역 이진화보다는 전경을 잘 추출할 수 있다는 장점도 있으나, 아직 전경을 확실하게 구분하기는 한계가 있다. 또한 이진화 후에 전체 영상이 자연스럽지 못하며 전체영역을 부분적으로 나눈 부분영상의 경계에 선이 나타나는 경우가 발생하기도 한다[4].

참고문헌 (12)

Rafael C. Gonzalez and Richard E. Woods, Digital Image Processing 3rded, Prentice Hall, 2008.
N. Otsu, "A threshold selection method from gray-level histograms," IEEE Trans. Syst. Man Cybernet, vol. 9, pp. 62-66, 1979.

상세보기
K. Y. Kim, "A Thresholding Method for Defference Image Using Fuzzy Inference," J. of the Korea Institute of Intelligent Systems Society, vol. 9, no.3, pp. 352-359, 1999.
K. B. Kim, "ART2 Based Fuzzy Binarization Method withLow Information Loss," Journal of the Korea Institute of Information and Communication Engineering, vol. 18, no.6, pp. 1269-1274, 2014.

원문보기 상세보기
A. K. Wassim, K. Seifedine, B. Riccardo and S. Khaled, "Accurate, Swift and Noiseless Image Binarization," Stat, Optim. Inf. Comput. vol. 4, pp. 42-56, 2016.
H. C. Lee, K. B. Kim, H. J. Park and E. Y. Cha, "An $\alpha$ - cut Automatic Set based on Fuzzy Binarization Using Fuzzy Logic," J. of the Korea Institute of Information and Communication Engineering, vol. 19, no. 12, pp. 2924-2932, 2015.

원문보기 상세보기
D. H. Kim and E. Y. Cha, "Binarization and Stroke Reconstruction of Low Quality Character Image for Effective Character Recognition," Korea Institute of Maritime Information and Communication, vol. 11, no. 3, pp. 608-618, 2007.
M. Negnevitsky, Artificial Intelligence 2nd ed, Hanbitmedia, 2011.
S. K. Oh, Computational Intelligence by Programming focused on Fuzzy, Neural networks, and Genetic Algorithms, Naeha, 2005.
W. Niblack, An introduction to digital image processing, Prentice-Hall, Englewood Cliffs, N. J., pp. 115-116, 1986.
J. Sauvola, "M. Pietikainen, Adaptive document image binarization," Pattern Recognition, vol. 33 pp. 225-236, 2000.

상세보기
A. Jain, Fundamentals of Digital Image Processing, Prentice-Hall, Englewood Cliffs, N. J., pp. 409, 1986.

이 논문을 인용한 문헌

LOADING...

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

[국내논문] 적응 퍼지 이진화
An adaptive Fuzzy Binarization 원문보기

초록
AI-Helper

Abstract ▼ AI-Helper

주제어

AI 본문요약
AI-Helper

문제 정의

가설 설정

제안 방법

대상 데이터

데이터처리

성능/효과

후속연구

질의응답

참고문헌 (12)

이 논문을 인용한 문헌

연구과제 타임라인

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

연관된 기능

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

[국내논문] 적응 퍼지 이진화 An adaptive Fuzzy Binarization 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

가설 설정

제안 방법

대상 데이터

데이터처리

성능/효과

후속연구

질의응답

참고문헌 (12)

이 논문을 인용한 문헌

연구과제 타임라인

전체(0) 논문(0) 특허(0) 보고서(0)

전체(0) 논문(0) 특허(0) 보고서(0)

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

연관된 기능

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

[국내논문] 적응 퍼지 이진화
An adaptive Fuzzy Binarization 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper