$\require{mediawiki-texvc}$

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.

퍼지 유사성 기반 슈퍼-픽셀 생성
Super-Pixels Generation based on Fuzzy Similarity 원문보기

The journal of the institute of internet, broadcasting and communication : JIIBC, v.17 no.2, 2017년, pp.147 - 157  

김용길 (조선이공대학교 컴퓨터보안과) ,  문경일 (호남대학교 공과대학 컴퓨터공학과)

초록
AI-Helper 아이콘AI-Helper

최근에는 슈퍼-픽셀 (super-pixel)은 컴퓨터 발전 응용에 널리 사용되고 있다. 슈퍼 픽셀 알고리즘은 픽셀을 지각적으로 실행이 가능한 영역으로 변환하여 그리드 픽셀의 경직된 특징을 줄일 수 있다. 특히, 슈퍼 픽셀은 깊이 추정, 골격 작업, 바디 라벨링 및 기능 국소화 등에 사용된다. 그러나 이러한 작업을 수행하기 위해 우수한 슈퍼 픽셀 파티션을 생성하는 것은 쉽지 않다. 특히 슈퍼 픽셀은 비합, 지속, 폐쇄, 지각 불변과 같은 형태 측면을 고려할 때보다 의미있는 특징을 만족시키지는 못한다. 본 논문에서는 단순 선형 반복 클러스터링과 퍼지 클러스터링 개념을 결합한 고급 알고리즘을 제안한다. 단순 선형 반복 클러스터링 기술은 이미지 경계, 속도, 메모리 효율이 기존 방법보다 높다. 그것은 형태 측면의 맥락에서 슈퍼 픽셀 형태에 대해 양호하게 작거나 규칙적인 특성을 제안하는 것은 아니다. 퍼지 유사성 측정은 제한된 크기와 이웃을 고려하여 합리적인 그래프를 제공한다. 보다 작고 규칙적인 픽셀을 얻으며 부분적으로 관련된 특징을 추출 할 수 있다. 시뮬레이션은 퍼지 유사성 기반 슈퍼 픽셀 생성은 사람의 이미지를 분해하는 방식으로 자연적 특징을 대표적으로 나타낸다.

Abstract ▼ AI-Helper 아이콘AI-Helper

In recent years, Super-pixels have become very popular for use in computer vision applications. Super-pixel algorithm transforms pixels into perceptually feasible regions to reduce stiff features of grid pixel. In particular, super-pixels are useful to depth estimation, skeleton works, body labeling...

주제어

#Super-pixel   #Fuzzy clustering   #Gestalt aspects   #Canny-Fuzzy Segmentation  

참고문헌 (22)

  1. R. Achanta, A. Shaji, K. Smith, A. Lucchi, P. Fua and S. Susstrunk, "SLIC Super pixels Compared to State-of-the-Art Super pixel Methods," IEEE Transactions on pattern analysis and machine intelligence, Vol. 34, No. 11. 2012, pp. 2274-2282. 

    상세보기 crossref

  2. A. Ayvaci and S. Soatto, "Motion segmentation with occlusions on the super pixel graph," Proceedings of the Workshop on Dynamical Vision, Kyoto, Japan, 2009. 

  3. A. V. Baterina, "Image Edge Detection Using Ant Colony Optimization", International Journal of Circuits, Systems and Signal Processing, Issue 2, Vol. 4. No. 2. 2010, pp.58-67. 

  4. D. Comaniciu and P. Meer, "Mean shift: a robust approach toward feature space analysis." Pattern Analysis and Machine, Vol. 24, No. 5, 2002, pp. 603-619. 

    상세보기 crossref

  5. P. Felzenszwalb and D. Huttenlocher, "Efficient graph-based image segmentation." IJCV, 2004, pp. 167-181. 

  6. B. Fulkerson, A. Vedaldi, S. Soatto, "Class segmentation and object localization with super-pixel neighborhoods." Computer Vision, IEEE 12. 2009. 

  7. X. He, R. Zemel, D. Ray, "Learning and incorporating top-down cues in image segmentation." ECCV, 2006, pp. 338-351. 

  8. D. Hoiem, A. Efros, M. Hebert, "Automatic Photo Pop-up." ACM Transactions on Graphics, Vol. 24, 2005, pp. 577-584. 

    상세보기 crossref

  9. T. Kanungo, D. M. Mount, N. S. Netanyahu, C.D. Piatko, R. Silverman and A. Y. Wu, "A local search approximation algorithm for k-means clustering." Symposium on Computational geometry, 2002, pp.10-18. 

  10. M. Jafar, "Ant-based Clustering Algorithms: A Brief Survey", International Journal of Computer Theory and Engineering, Vol. 2, No. 5, 2010, pp. 1793-8201. 

  11. A. Levinshtein, C. Sminchisescu and S. Dickinson, "Multi-scale symmetric part detection and grouping." International Journal of Computer Vision September, Vol. 104, No. 2, 2013, pp.117-134. 

    상세보기 crossref

  12. A. Levinshtein, A. Stere, K. Kutulakos, D. Fleet, S. Dickinson and K. Siddiqi, "Turbo pixels: Fast super pixels using geometric flows." IEEE Transactions on Pattern Analysis & Machine Intelligence 2009, Vol.31, No.12. 2009, pp. 2290- 2297. 

  13. Y. Li, J. Sun, C. K. Tang, H. Y. Shum, "Lazy snapping." ACM Transactions on Graphics, Vol. 23, 2004, pp. 303-308. 

    상세보기 crossref

  14. A. Moore, S. Prince, J. Warrell, U. Mohammed and G. Jones, "Super pixel Lattices." IEEE Computer Society Conference on Computer Vision and Pattern Recognition (CVPR 2008), 2008, pp. 24-26. 

  15. G. Mori, "Guiding model search using segmentation." Computer Vision, IEEE, 2005, pp.1417-1423. 

  16. X. Ren and J. Malik, "Learning a classification model for segmentation." International Conference on Computer Vision - ICCV, 2003, pp. 10-17. 

  17. J. Shi and J. Malik, "Normalized cuts and image segmentation." PAMI, 2000, pp. 888-905 

  18. A. Vedaldi and S. Soatto, "Quick shift and kernel methods for mode seeking." Computer Vision, ECCV , 2008, pp.705-718. 

  19. L. Vincent and P. Soille, "Watersheds in digital spaces: An efficient algorithm based on immersion simulations." PAMI, 1991, pp.583-598. 

  20. S.H. Lee, H. Jeong and K.I. Moon, "Image Segmentation Based on Fuzzy Clustering Super-Pixel," Proc. Advanced and Applied Convergence Letters, Yanbian, China, June 30-july 4, AACL 05, 2015, pp. 177-180. 

  21. B. Sridevi and R. Nadarajan, "Fuzzy similarity measure for generalized fuzzy numbers," Int. J. Open Problems Compt. Math., Vol. 2, No. 2, June 2009, pp.240-253. 

  22. S. Gould, J. Rodgers, D. Cohen, G. Elidan, and D. Koller, "Multi-class segmentation with relative location prior," Int'l J. Computer Vision, vol. 80, no. 3, 2008, pp. 300-316. 

    상세보기 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

이 논문과 함께 이용한 콘텐츠

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