Classification of Scaled Textured Images Using Normalized Pattern Spectrum Based on Mathematical Morphology

형태학적 정규화 패턴 스펙트럼을 이용한 질감영상 분류

In this paper, a scheme of classification of scaled textured images using normalized pattern spectrum incorporating arbitrary scale changes based on mathematical morphology is proposed in more general environments considering camera's zoom-in and zoom-out function. The normalized pattern spectrum means that firstly pattern spectrum is calculated and secondly interpolation is performed to incorporate scale changes according to scale change ratio in the same textured image class. Pattern spectrum is efficiently obtained by using both opening and closing, that is, we calculate pattern spectrum by opening method for pixels which have value more than threshold and calculate pattern spectrum by closing method for pixels which have value less than threshold. Also we compare classification accuracy between gray scale method and binary method. The proposed approach has the advantage of efficient information extraction, high accuracy, less computation, and parallel implementation. An important advantage of the proposed method is that it is possible to obtain high classification accuracy with only (1:1) scale images for training phase.

본 논문에서는 일반적인 환경인 카메라의 줌 기능(zoom-in, zoom-out)에 의해 임의로 크기 변화된 질감 영상들을, 크기변화에 무관한 형태학적 정규화(normalized) 패턴 스펙트럼에 기반하여 분류하였다. 정규화 패턴 스펙트럼은 질감영상으로부터 형태학적 패턴 스펙트럼을 구하고 이로부터 크기변화 성분을 구한 다음 크기 변화비에 따른 선형보간을 하여 같은 부류의 질감영상내에서 크기변화를 통합함을 뜻한다. 본 논문에서는 패턴 스펙트럼을 구할 때 기존의 방법과 달리 영상의 문턱값을 중심으로 두 부분으로 계산하였다. 즉 문턱값 이상을 가지는 화소들에 대해서는 opening방법으로 패턴 스펙트럼을 구하였고 문턱값 미만을 가지는 화소들에 대해서는 closing방법으로 패턴 스펙트럼을 구하여 효과적인 정보추출을 하였다. 또 본 논문에서는 각각 명암도 방법과 이진 방법에 대한 분류 정확도를 비교 검토하였다. 제안된 방법은 효과적인 정보추출, 높은 분류 정확도, 계산량 감소, 및 병렬처리 구현등의 여러 가지 장점이 있다. 특히 제안된 방법은 질감영상 학습단계에서 최근의 방법들과는 달리 다양하게 크기변환된 질감영상들을 사용하지 않고, 즉 기준크기(1:1) 질감영상만을 사용하였음에도 불구하고 높은 분류 정확도를 얻을 수 있었다.