$\require{mediawiki-texvc}$

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.

컬러 영상 처리를 위한 Mean Shift 기법 개선
Modified Mean Shift for Color Image Processing 원문보기

한국해양정보통신학회 2009년도 춘계학술대회, 2009 May 29, 2009년, pp.407 - 410  

황영철 (부산대학교) ,  배정호 (부산대학교) ,  차의영 (부산대학교)

초록
AI-Helper 아이콘AI-Helper

본 논문에서는 개선된 mean shift를 이용한 컬러 영상 분할을 소개한다. Mean shift는 Yizong Cheng에 의해 재조명되고 Dorin Comaniciu 등에 의해 정리되어 영상 필터링(image filtering), 영상 분할(image segmentation), 물체 추적(object tracking) 등 여러 응용 분야에 널리 활용되고 있다. 커널을 이용해 밀도를 추정하고 밀도가 가장 높은 점으로 커널을 연속적으로 이동함으로써 지역적으로 주요한 위치로 데이터 값을 갱신시킨다. 그러나 영상에 포함된 모든 화소에 대해 mean shift를 수행해야하기 때문에 연산 시간이 많이 소요되는 단점이 있다. 본 논문에서는 mean shift 필터링 과정을 분석하고 참조수렴방법과 강제수렴방법을 이용해 소요 시간을 단축시켰다. 모든 점에 대해 mean shift를 수행하는 대신 특정 조건을 만족하는 픽셀은 이웃 픽셀의 수렴 값을 참조하고, mean shift 과정에 진동 또는 미미한 이동을 계속하는 픽셀은 강제 수렴을 실시하였다. 개선된 방법과 기존의 mean shift 방식을 적용하여 영상 필터링과 영상 분할에 적용한 실험에서 결과 영상에는 차이가 적고 기존의 방법에 비해 수행 시간이 24% 정도 소요됨을 확인하였다.

AI 본문요약
AI-Helper 아이콘 AI-Helper

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

문제 정의

  • 본 논문에서는 mean shift 알고리즘의 수행 시간을 단축시킬 수 있는 방법을 제안하였다. 참조 수렴방법을 이용하여 mean shift 과정을 수행하는 필셀 수를 줄이고, 윈도우의 이동이 진동하거나 또는 미미한 경우 강제수렴방법을 이용하여 윈도우의 이동을 강제 종료하였다.
  • Mean shift를 이용한 영상 분석은 좋은 성능을 보이지만 계산양이 많아 연산 시간이 많이 소요된다는 단점이 있다. 본 논문에서는 이런 단점을 개선할 수 있는 수정된 mean shift 알고리즘을 소개한다. 먼저 기존의 mean shift 알고리즘을 소개하고 연산 시간이 많이 소요되는 단계를 분석한다.
  • 수행 시간 단축을 위해 실제 영상의 크기를 축소할 수는 없지만 mean shift를 수행하는 화소의 수를 줄임으로써 전체 수행시간을 단축시킬 수 있다. 본 논문에서는 이런 목적으로 참조수렴방법을 제안한다.
  • 특히, 지역적으로 특징 값이 유사한 화소들이 밀집되어 있을 경우 커널이 아주 천천히 이동하거나 진동 하는 등의 경우가 발생해 전체 수행 시간이 증가 하게 된다. 본 논문에서는 커널 중심 값(mean)의 변화를 분석해서 진동 또는 미미한 움직임을 반복할 경우 강제로 수렴시키는 방법을 제안한다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
Mean shift를 이용한 데이터 분석은 근래에 어디에 사용되고 있는가? Comaniciu, P. Meer이 2002년 mean shift에 대해 자세하게 분석하고 관련 명제들을 증명함으로써 영상 처리, 데이터 분석 등 여러 응용 분야에 이용될 수 있는 기초를 마련하였고[3] 근래에는 객체 추적, 영상 필터링, 영상 분할, 클러스터링 및 스테레오 비전 등에 이용되고 있다. 특히 컬러 영상 처리 분야에서, 기존에 흑백 영상에 사용되던 방법을 단순히 차원을 확장한 개념으로 컬러 영상 처리에 사용하는 방법들의 단점을 벗어나 컬러 영상에 적합한 새로운 방법을 제시하면서 우수한 영상 처리 결과를 보여준다[3].
Mean shift 알고리즘에서 이동은 언제 멈추는가? Mean shift 알고리즘은 윈도우에 포함된 표본의 평균(mean)을 구하고 표본의 평균이 최대가 되는 위치로 윈도우의 중심을 이동(shift)하는 과정을 반복한다. 윈도우의 중심이 지역적으로 평균의 최대 위치(mode)에 도달하게 되면 이동을 멈춘다.
Mean shift를 이용한 영상 처리는 무엇이 결합된 결합영역에서 진행되는가? Mean shift를 이용한 영상 처리는 공간영역(spatial domain)과 특징영역(range domain)이 결합된 결합영역(joint domain)에서 커널을 이용해 지역적으로 밀도가 가장 높은 점을 찾고 그 위치로 윈도우의 중심을 옮기는 과정을 반복한다. 윈도우가 한 점에 수렴하게 되면 반복을 멈추고 다음 데이터 위치로 이동해 같은 과정을 반복하게 된다.
질의응답 정보가 도움이 되었나요?
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