Comparison of Genetic Algorithm and Simulated Annealing Optimization Technique to Minimize the Energy of Active Contour Model

유전자 알고리즘과 시뮬레이티드 어닐링을 이용한 활성외곽선모델의 에너지 최소화 기법 비교

Active Contour Model(ACM) is an efficient method for segmenting an object. The main shortcoming of ACM is that its result is very dependent on the shape and location of an initial contour. To overcome this shortcoming, a new segmentation algorithm is proposed in this paper. The proposed algorithm uses B-splines to describe the active contour and applies Simulated Annealing (SA) and Genetic Algorithm(GA) as energy minimization techniques. We tried to overcome the initialization problem of traditional ACM and compared the result of ACM using GA and that using SA with 2D synthetic binary images. CT and MR images.

활성외곽선모델(active contour model)은 물체의 경계를 분할하기 위한 효과적인 방법으로 사용되고 있다. 그런데, 기존 활성외곽선모텔에서는 초기곡선을 분할하고자하는 물체의 경계면에 위치시키고 지역적으로 에너지를 최소화 함에 따라 결과가 초기 곡선의 위치와 형태에 따라 달라지는 단점이 있었다. 본 논문에서는 활성외곽선모델을 B-Spline 곡선에 의해 표현하고, 에너지 최소화 과정에 유전자 알고리즘(Genetic Algorithm: GA)과 시뮬레이티드 어닐링 (Simulated Annealing : SA)을 적용함으로써 기존 활성외곽선모델이 갖는 초기 곡선에 대한 제약성을 개선하고자 했으며, 두가지 방법에 따른 분할 결과와 문제점을 비교하고자 하였다. 제안한 방법의 성능비교를 위하여 이진 합성 영상과 CT 영상, MR 영상을 대상으로 실험을 수행하였다.