초록 ▼

본 연구에서는 교통감시 시스템을 위해 노이즈와 블러링에 강한 영상 분할 방법을 제안했다. 입력 영상은 칼라, 블러링, 노이즈와 같은 많은 특징 값으로 표현되어졌다. 많은 특징값들을 고려하기 때문에 관찰된 영상에 대해서 최적의 레이블 값을 얻어내는 것은 복잡하다. 이러한 이유로, 본 연구에서는 마르코프 랜덤 필드 (Markov Random Field : MRF) 모델을 사용하여 입력 영상을 모델링 하였다. MRF 모델은 오염된 영상에 효율적이고. MRF 모델에서 어떤 화소의 확률 값은 전체 이미지가 아니라 주위의 화소에 의존한다. 본

본 연구에서는 교통감시 시스템을 위해 노이즈와 블러링에 강한 영상 분할 방법을 제안했다. 입력 영상은 칼라, 블러링, 노이즈와 같은 많은 특징 값으로 표현되어졌다. 많은 특징값들을 고려하기 때문에 관찰된 영상에 대해서 최적의 레이블 값을 얻어내는 것은 복잡하다. 이러한 이유로, 본 연구에서는 마르코프 랜덤 필드 (Markov Random Field : MRF) 모델을 사용하여 입력 영상을 모델링 하였다. MRF 모델은 오염된 영상에 효율적이고. MRF 모델에서 어떤 화소의 확률 값은 전체 이미지가 아니라 주위의 화소에 의존한다. 본 연구에서는 주어진 관찰 영상에 대해 영상 레이블의 조건부 확률 분포(conditional probability distribution)를 최대화하는 사후확률 최대화 추청 (Maximun a posteriori)을 사용한다. 영상레이블을 위한 사후 에너지 함수가 bayesian 이론과 MRF 모델에 기반하여 정의된다. 에너지 함수를 최소화하기 위해서는 함수에 포함되어 있는 블러링, 칼라 값, 노이즈의 분산과 평균과 같은 많은 파라미터의 탐색이 필요하다. 많은 파라미터를 탐색하기 위한 최적화 방법으로 본 연구에서는 유전자 알고리즘을 사용하였다. 입력 영상은 MRF 모델로 정의되기 때문에 국소적인 성격을 가진다. 그리고 각 파라미터는 서로 독립적으로 탐색될 수 었었다. 따라서 유전자 알고리즘은 계층적이고, 분산적으로 실행될 수 있다. 실제 도로 영상을 가지고 실험한 결과. 제안된 방법은 실제의 도로 영상을 분할하는데 효율적이다.

Abstract ▼

For unrestricted natural images, unsupervised segmentation problem has not been completely resolved. This research proposes an unsupervised method for segmenting noisy and blurred images. We used an MRF model, which is robust to degradation.
Our segmentation algorithm is designed to maximize the

For unrestricted natural images, unsupervised segmentation problem has not been completely resolved. This research proposes an unsupervised method for segmenting noisy and blurred images. We used an MRF model, which is robust to degradation.
Our segmentation algorithm is designed to maximize the conditional probability distribution of original image given the observed image. That is, we use an MAP estimation. To maximize a posterior distribution, we minimize the defined posterior energy function. The posterior energy function has many parameters to be optimized. It is computationally too time consuming to deal with a large number of unknown parameters, so we need a more powerful optimization algorithm. In this research, we use a genetic algorithm that can be hierarchically and distributedly performed. Experimental results show that the proposed method has the effectiveness to segment real images. Since it seems too slow for real time application, we are working on that problem now.

목차 Contents

• 표지...1
• 목차...2
• 1. 제출문...3
• 2. 연구계획서 요약문...4
• 3. 연구내용...5
• 가. 연구결과 요약문(국.영문)...5
• 나. 서론...7
• 다. 연구방법 및 이론...10
• 라. 결과 및 고찰...21
• 마. 결론...27
• 바. 인용문헌...28
• 4. 연구발표목록서 및 자체평가서...31