[논문]그레이스케일 형태학 기반 방향성 구조적 요소의 가중치 엔트로피를 적용한 영상에지 검출 알고리즘

상유; 조준호; 문성룡

doi:10.22156/cs4smb.2021.11.02.041

그레이스케일 형태학 기반 방향성 구조적 요소의 가중치 엔트로피를 적용한 영상에지 검출 알고리즘
Image Edge Detection Algorithm applied Directional Structure Element Weighted Entropy Based on Grayscale Morphology 원문보기

융합정보논문지 = Journal of Convergence for Information Technology, v.11 no.2, 2021년, pp.41 - 46

상유 (원광대학교 전자공학과) , 조준호 (원광대학교 전자융합공학과) , 문성룡 (원광대학교 전자공학과)

초록
AI-Helper

그레이스케일 수학적 형태학에 기초한 에지 검출 알고리즘의 방법은 영상 노이즈를 제거와 병렬처리 가능하고 연산속도가 빠르다는 장점을 갖고 있다. 그러나 단일 구조적 스케일 요소를 사용하여 영상의 에지 검출을 하는 방법은 영상정보에 따라서 영향을 받을 수 있다. 그레이스케일 형태학의 특성은 구조적원소를 반복하여 확장, 침식, 열림, 담힘 연산을 함으로써 연산 결과 에지정보 결과에 제한적일 수 있다. 본 논문에서 잡음에 강인한 방향성을 갖는 구조적원소를 적용한 후 원소내의 각 픽셀 정보에 가중치 엔트로피를 적용하는 에지 검출 알고리즘을 제안한다. 영상에 적용하는 멀티 스케일 구조적 요소를 적용한 결과와 방향성 가중치 엔트로피를 적용한 연산결과를 비교분석하였으며, 시뮬레이션 결과는 제안된 알고리즘이 에지 검출에서 우수함을 보였다.

Abstract ▼ AI-Helper

The method of the edge detection algorithm based on grayscale mathematical morphology has the advantage that image noise can be removed and processed in parallel, and the operation speed is fast. However, the method of detecting the edge of an image using a single structural scale element may be affected by image information. The characteristics of grayscale morphology may be limited to the edge information result of the operation result by repeatedly performing expansion, erosion, opening, and containment operations by repeating structural elements. In this paper, we propose an edge detection algorithm that applies a structural element with strong directionality to noise and then applies weighted entropy to each pixel information in the element. The result of applying the multi-scale structural element applied to the image and the result of applying the directional weighted entropy were compared and analyzed, and the simulation result showed that the proposed algorithm is superior in edge detection.

주제어

표/그림 (9)

그림 Fig. 1. Directional 3x3 SE
그림 Fig. 2. Flow chart of the algorithm
그림 Fig. 3. Noise image
그림 Fig. 4. Dilation calculation result (a)Dilation average result with directional SE. (b)Dilation result with weighted entropy.
그림 Fig. 5. Erosion calculation result. (a)Erosion average result with directional SE. (b)Erosion result with weighted entropy.
그림 Fig. 6. Opening calculation result. (a)Opening average result with directional SE.. (b)Opening result with weighted entropy.
그림 Fig. 7. Closing calculation result. (a)Closing average result with directional SE. (b)Closing result with weighted entropy.
그림 Fig. 8 Proposed algorithm calculation result. (a) Average result of the proposed algorithm of directional SE. (b) Result of proposed algorithm with weighted entropy.
표 Table 1. PSNR result of image with weighted entropy

AI 본문요약
AI-Helper

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

문제 정의

본 논문에서 잡음에 강인한 방향성을 갖는 구조적 원소를 적용한 후 원소내의 각 픽셀 정보에 가중치 엔트로피를 적용하는 에지 검출 알고리즘을 제안하고자 한다. 기존의 그레이 스케일 구조적 요소(Structure Element)를 적용한 결과와 방향성 가중치 엔트로피를 적용한 연산결과를 비교분석하였으며, 시뮬레이션 결과 제안된 알고리즘이 에지 검출에서 우수함을 보이고자 한다.
본 논문에서는 그레이 스케일 형태학의 블러링 현상을 최대한 제거하기 위하여 입력 영상의 방향성을 고려한 방향성을 갖는 SE를 적용한 후 각각의 에지검출 영상에서 얻은 가중치를 이용한 에트로피 값을 적용하여 성능을 개선한다.

제안 방법

특히 SE의 형태나 크기는 에지 검출 결과에 영향을 주고 있다. 본 논문에서는 Fig. 1과 같은 방향성 SE를 적용함으로써, 영상 정보에서 방향 성분을 검출할 수 있으며, 또한 이 방법은 잡음 제거에도 효율적으로 적용될 수 있다.
기존의 그레이 스케일 구조적 요소(Structure Element)를 적용한 결과와 방향성 가중치 엔트로피를 적용한 연산결과를 비교분석하였으며, 시뮬레이션 결과 제안된 알고리즘이 에지 검출에서 우수함을 보이고자 한다. 본 논문의 순서는 그레이 스케일 형태학적 이론, 가중치 엔트로피 이론, 방향성 SE, 알고리즘 구현, 시뮬레이션 및 결론 순으로 작성되었다.

성능/효과

기존의 그레이 스케일 구조적 요소(Structure Element)를 적용한 결과와 방향성 가중치 엔트로피를 적용한 연산결과를 비교분석하였으며, 시뮬레이션 결과 제안된 알고리즘이 에지 검출에서 우수함을 보이고자 한다. 본 논문의 순서는 그레이 스케일 형태학적 이론, 가중치 엔트로피 이론, 방향성 SE, 알고리즘 구현, 시뮬레이션 및 결론 순으로 작성되었다.
그러나 그레이스케일 형태학의 특성은 구조적 원소를 반복하여 확장, 침식, 열림, 담힘 연산을 함으로써 연산 결과 에지정보 결과에 제한적일 수 있다. 본 논문에서 잡음에 강인한 방향성을 갖는 SE를 적용한 후 원소 내의 각 픽셀 정보에 가중치 엔트로피를 적용하는 에지 검출 알고리즘을 적용하여 실험한 결과 제안한 방향성 가중치 엔트로피 알고리즘 방법이 확장, 침식, 열림, 닫힘 연산자 결과를 비교하였을 때 PSNR이 2.4~1.7이상 향상되었음을 보였다. 향후 병열처리가 가능한 하드웨어로 구현할 수 있도록 시스템 측면에서 연구가 요구된다.
7-(b)와 같다. 이 방법의 결과는 Closing SE PSNRe 5.6075이며, Weight PSNRe 5.543의 결과를 얻었다.
4-(b)와 같다. 이 방법의 결과는 Direction SE PSNR(Peak Signal-to-Noise Ration)은 5.0785이며, Weight PSNRe 4.8352의 결과를 얻었다.
5-(b)와 같다. 이 방법의 결과는 Erosion SE PSNRe 5.4202이며, Weight PSNRe 5.2164의 결과를 얻었다.
6-(b)와 같다. 이 방법의 결과는 Opening SE PSNRe 5.0543이며, Weight PSNRe 4.9249의 결과를 얻었다.
결과이다. 제안된 방법은 기존의 방향성SE PSNR과가중치 PSNR에서 모두 높은 값으로 계산되어, 제안된 알고리즘이 우수함을 나타냄을 확인할 수 있다.
8-(b)와 같다. 제안된 알고리즘을 적용한 결과 SE PSNRe 7.1653이며, Weight PSNRe 7.2719의 결과를 얻었다.

후속연구

7이상 향상되었음을 보였다. 향후 병열처리가 가능한 하드웨어로 구현할 수 있도록 시스템 측면에서 연구가 요구된다.

참고문헌 (11)

Y. Li. (2010). Comparison and implementation of image edge detection algorithm. Computer Engineering and Design, 31(9), 1971-1975.
R. M. Haralick. (1987). Image analysis using mathematical morphology. IEEE Trans.Pattern Anal.Mach.Intell., (4), 532-550.
H. F. Wang. (2009). Research and application of edge detection operator based on mathematical morphology. Computer Engineering and Applications, 45(9), 223-226.
W. Zheng. (2012). An edge detection method based on mathematical morphology, [J]. Computer and digital engineering, 40(2), 102-104.
D. Xu. (2012). Edge detection algorithm based on mathematical morphology and wavelet transform. Journal of Computer Applications, 32(S2), 165-167.
N. Ma. (2012). Adaptive image denoising method based on directionlet transform. Computer Engineering, 38(14), 184-186.
J. Yang. (2011). Edge detection technique combined with mathematic morphology and LoG operator. Jisuanji Gongcheng yu Yingyong (Computer Engineering and Applications), 47(36), 177-179.
E. Rhee. (2017). Development of a Forest Fire Tracking and GIS Mapping Base on Live Streaming. Journal of Converence for Information Technology, 10(10), 123-127. DOI : 10.22156/CS4SMB.2020.10.10.123

원문보기 상세보기
I. J. Cho, G. B. Kim & B. Park. (2020). Security Algorithm for Vehicle Type Recognition. Journal of Converence for Information Technology, 7(2), 77-82. DOI : 10.22156/CS4SMB.2017.7.2.077

원문보기 상세보기
S. W. Ha, Q. Paul & Y.-H. Moon. (2018). Improvement of UAV Attitude Information Estimation Performance Using Image Processing and Kalman Filter. Journal of Converence for Information Technology, 8(9), 125-142. DOI : 10.22156/CS4SMB.2018.8.6.135

원문보기 상세보기
S. M. Lee, Y. H. Kim & J. K. Eem. (2020). A Method of Edge Line Detection for Noisy Panel Module Images. Journal of Korean institute of Information Technology, 18(7), 75-80. DOI : 10.14801/jkiit.2020.18.7.75

상세보기

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