Journal of the Institute of Electronics Engineers of Korea SP (대한전자공학회논문지SP)

The Institute of Electronics and Information Engineers (대한전자공학회)
권호 표지

Two-step Boundary Extraction Algorithm with Model

모델 정보를 이용한 2단계 윤곽선 추출 기법

  • 최해철 (한국과학기술원 전자전산학과 전기 및 전자공학전공) ;
  • 이진성 (한국과학기술원 전자전산학과 전기 및 전자공학전공) ;
  • 조주현 (한국과학기술원 전자전산학과 전기 및 전자공학전공) ;
  • 신호철 (한국과학기술원 전자전산학과 전기 및 전자공학전공) ;
  • 김승대 (한국과학기술원 전자전산학과 전기 및 전자공학전공)
  • Published : 2002.01.01
Download PDF
⟨ Previous Next ⟩

Abstract

We propose an algorithm for extracting the boundary of a desired object with shape information obtained from sample images. Considering global shape obtained from sample images and edge orientation as well as edge magnitude, the Proposed method composed of two steps finds the boundary of an object. The first step is the approximate segmentation that extracts a rough boundary with a probability map and an edge map. And the second step is the detailed segmentation for finding more accurate boundary based on the SEEL (seed-point extraction and edge linking) algorithm. The experiment results using IR images show robustness to low-quality image and better performance than conventional segmentation methods.

본 논문에서는 물체의 모양에 대한 개략적인 정보가 주어질 때, 그 물체의 윤곽선을 획득하는 알고리즘을 제안한다. 이 기법은 주어진 모델을 확률적으로 이용하여, 결과 윤곽선의 모양이 모델의 모양과 비슷하도록 유도하며, 윤곽선 분할 과정에서 밝기의 변화량 뿐만 아니라 밝기 변화의 방향까지 고려하여 저화질 영상에도 적용될 수 있도록 하였다. 제안한 알고리즘은 다음 두 단계의 영역 분할 기법으로 구성된다. 첫 번째 근사적 영역 분할 단계에서는 밝기 변화의 방향을 고려하여 에지와, 모델들을 근거로 확률적 모델링에 의해 산출된 윤곽선이 될 확률을 이용하여 물체의 근사적인 윤곽선을 획득한다. 두 번째 세부적 영역 분할 과정에서는 제안한 씨앗점 추출 및 에지 연결(seed-point extraction and edge linking) 알고리즘을 이용하여, 근사적 윤곽선을 중심으로 윤곽 후보점을 검출하고 이들을 물체의 윤곽선을 따르도록 적절히 연결하여 최종적으로 세밀한 물체 윤곽선을 획득한다. 실험 결과에서는 제안한 기법이 영상의 배경 혹은 물체 내부의 복잡함과 잡음에 강인하며, 적외선 영상과 같은 저화질의 영상에도 적용될 수 있음을 보인다.

Keywords

References

  1. P.K. Sahoo, S.Soltani, and A.K.C.Wong, 'A Survey of Thresholding Techniques,' CVGIP, Vol. 41, pp. 233-260, 1988 https://doi.org/10.1016/0734-189X(88)90022-9
  2. Robert M. Harallick and Linda G. Shapiro, 'Survey of Image Segmentation Techniques,' Computer Vision, Graphics, and Image Processing 29, pp. 100-132, 1985 https://doi.org/10.1016/S0734-189X(85)90153-7
  3. P. Salembier and M. Pardas, 'Hierarchical Morphological Segmentation for Image Sequence Coding,' IEEE. Trans. Image Processing, Vol. 3, No. 5, pp. 639-651, Sep. 1994. https://doi.org/10.1109/83.334980
  4. L. Vincent and P. Soille, 'Watersheds in Digital Spaces: An Efficient Algorithm Based on Immersion Simulation,' IEEE. Trans. Pattern Analysis and Machine Intelligence, Vol. 13, No. 6, pp. 583-598, June 1991. https://doi.org/10.1109/34.87344
  5. B. Bhanu, R.D. Holben, 'Model-based Segmentation of FLIR Images,' IEEE Trans. Aerospace and Electronic System, Vol. 26, No. 1, pp. 2-10. 1990 https://doi.org/10.1109/7.53409
  6. M. Kass, A. Witkin, D. Terzopoulos, 'Snakes : Active Contour Model,' International Journal of Computer Vision, pp. 321-331, 1988 https://doi.org/10.1007/BF00133570
  7. K.F. Lai, R.T. Chin, 'Deformable Contours : Modeling and Extraction,' IEEE Trans. Pattern Analysis and Machine Intelligence, Vol. 17, No. 11, pp. 1084-1090. Nov. 1995 https://doi.org/10.1109/34.473235
  8. Y. Wang, and L.H. Staib, 'Boundary Finding with Prior Shape and Smoothness Methods,' IEEE Trans. Pattern Analysis and Machine Intelligence, Vol. 22, No. 7, pp. 738-743. July 2000 https://doi.org/10.1109/34.865192
  9. 최해철, 김성대, '모델 정보와 SEEL 알고리즘을 이용한 적외선 영상 물체의 경계선 검출 기법,' 제12회 영상처리 및 이해에 관한 워크샵 발표 논문집, pp. 462-467, 2000
  10. D.M.Gavrila, V.Philomin, 'Real-time object detection for smart vehicles,' the Proceedings of the Seventh IEEE International Conference on Computer Vision, Vol. 1, pp. 87-93, 1999 https://doi.org/10.1109/ICCV.1999.791202
  11. 이진성, '움직임 벡터의 신뢰도에 기반한 이동 물체 추적 기법,' KAIST 석사 학위 논문, 2000
  12. 배성준, 김성대 '웨이브렛 변환영역에서의 계층적 비교를 이용한 적외선 물체 인식기법,' 신호처리합동학술대회 논문지 제11권, 1998
  13. A. K. Jain, 'Fundamentals of Digital Image Processing,' Prentice Hall International Editions, pp. 347-357, 1989
  14. Edward P.C. Kao, 'An Introduction to Stochastic Processes,' Duxbury Press, pp. 160-237, 1997
  15. J. F. Canny, 'A Computational Approach to Edge-detection,' IEEE Trans. Pattern Analysis and Machine Intelligence, Vol. 8, No. 6, pp. 679-698, 1986 https://doi.org/10.1109/TPAMI.1986.4767851
  16. D. Geiger, A. Gupta, L. Costa, J. Vlontzos, 'Dynamic Programming for Detecting, Tracking, and Matching Deformable Contours,' IEEE Trans. Pattern Analysis and Machine Intelligence, Vol, 17. No. 3, pp. 297-302, Mar. 1995 https://doi.org/10.1109/34.368194
  17. A. A. Amini, S. Tehrani, and T.E. Weymouth, 'Using Dynamic Programming for Minimizing Energy of Active Contours in the Presence of Hard Constraints,' the Proceeding of Second International Conference on Computer Vision, pp. 95-99, 1988