에지는 물체의 크기, 방향, 위치 등의 정보를 포함한다. 이러한 에지를 검출하기 위한 기존의 에지검출 방법은 Sobel, Prewitt, Roberts, Laplacian 연산자 등을 이용한 방법이다. 기존의 방법은 에지를 검출하기 위하여 고정된 가중치 마스크를 이용하며 에지 검출 특성이 다소 미흡하다. 따라서 이와 같은 기존의 방법의 단점을 보완하기 위하여, 본 논문에서는 표준편차 및 임계값에 따른 가중치를 이용한 에지 검출 알고리즘을 제안하였다.
에지는 물체의 크기, 방향, 위치 등의 정보를 포함한다. 이러한 에지를 검출하기 위한 기존의 에지검출 방법은 Sobel, Prewitt, Roberts, Laplacian 연산자 등을 이용한 방법이다. 기존의 방법은 에지를 검출하기 위하여 고정된 가중치 마스크를 이용하며 에지 검출 특성이 다소 미흡하다. 따라서 이와 같은 기존의 방법의 단점을 보완하기 위하여, 본 논문에서는 표준편차 및 임계값에 따른 가중치를 이용한 에지 검출 알고리즘을 제안하였다.
An edge includes information of objects such as magnitude, orientation, and location. Conventional edge detection methods to detect those edge are methods using Sobel, Prewitt, Roberts, Laplacian operator. Existing methods use fixed weighted mask to detect edges, and their edge detection characteris...
An edge includes information of objects such as magnitude, orientation, and location. Conventional edge detection methods to detect those edge are methods using Sobel, Prewitt, Roberts, Laplacian operator. Existing methods use fixed weighted mask to detect edges, and their edge detection characteristics are insufficient. Therefore, to remedy weakness of conventional methods, in this paper, an edge detection algorithm using weight with standard deviation and thresholds is proposed.
An edge includes information of objects such as magnitude, orientation, and location. Conventional edge detection methods to detect those edge are methods using Sobel, Prewitt, Roberts, Laplacian operator. Existing methods use fixed weighted mask to detect edges, and their edge detection characteristics are insufficient. Therefore, to remedy weakness of conventional methods, in this paper, an edge detection algorithm using weight with standard deviation and thresholds is proposed.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
따라서, 본 논문에서는 이러한 기존의 방법들의 고정된 가중치를 이용하지 않고, 영상 전반적인 정보에 의한 임계값으로 에지를 검출하는 최적화된 에지 검출 알고리즘을 제안하였다.
본 논문에서는 임계값을 이용한 에지 검출 방법을 제안하여 영상의 에지를 검출 하였다.
본 논문에서는 입력 영상의 전반적인 정보를 기반으로 하여 임계값을 이용한 에지 검출 알고리즘을 제안하였다. 제안한 알고리즘의 성능을 평가하기 위하여, 기존의 에지 검출 방법과 비교 및 시뮬레이션하였다.
기존의 에지 검출 방법은 고정된 가중치 마스크를 이용하므로 최적화된 에지를 검출하기가 어려우며, 영상 정보에 관계없이 에지를 검출하므로 다소 미흡한 에지 검출 특성을 나타낸다. 이러한 기존의 방법들의 단점을 보완하기 위하여 본 논문에서는 영상 전체의 표준편차를 기반으로 한 임계값을 구하고, 그 임계값 조건에 대해 각각 다른 가중치를 적용한 후 에지를 검출하는 알고리즘을 제안하였다. 제안한 알고리즘은 기존의 알고리즘과 같이 그림 1의 3×3 영역에서 정의된다.
제안 방법
본 논문에서는 여러 시행착오를 통하여 하단 임계값을 c1 = 0.2, 상단 임계값을 c2 = 0.7로 설정 하였다.
데이터처리
본 논문에서는 입력 영상의 전반적인 정보를 기반으로 하여 임계값을 이용한 에지 검출 알고리즘을 제안하였다. 제안한 알고리즘의 성능을 평가하기 위하여, 기존의 에지 검출 방법과 비교 및 시뮬레이션하였다.
이론/모형
기본 가중치는 기존의 에지 검출 방법 중에서 Prewitt 가중치를 사용하였다.
성능/효과
Sobel method에 의해 처리된 결과 영상은 고주파 영역의 에지의 검출 특성이 우수하였으나, 저주파 영역에서 나타나는 에지의 검출 특성은 다소 미흡하였다. Prewitt method에 의해 처리된 결과 영상은 Sobel method에 비해 영상을 다소 어둡게 나타내었다.
Prewitt method에 의해 처리된 결과 영상은 Sobel method에 비해 영상을 다소 어둡게 나타내었다. 반면, 제안한 알고리즘에 의해 처리된 결과 영상에서는 전반적인 에지 검출 특성이 우수할뿐만 아니라, 저주파 영역의 에지를 강조하여 나타내었다.
제안한 방법의 성능을 확인하기 위하여, 기존의 에지 검출 방법들과 비교하였으며, 시뮬레이션 결과, 제안한 알고리즘은 우수한 에지 검출 결과를 나타내었다.
후속연구
시뮬레이션 결과, 본 논문에서 제안한 알고리즘은 기존의 에지 검출 알고리즘으로 검출하기 어려운 저주파 영역의 에지를 검출함과 동시에 전반적으로 우수한 에지 검출 성능을 나타내었으며, 향후 결함 검출이나, 물체 검출 및 인식 등 여러 응용분야에 적용될 것이라 사료된다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.