Color Code Detection and Recognition Using Image Segmentation Based on k-Means Clustering Algorithm

k-평균 클러스터링 알고리즘 기반의 영상 분할을 이용한 칼라코드 검출 및 인식

Severe distortions of colors in the obtained images have made it difficult for color codes to expand their applications. To reduce the effect of color distortions on reading colors, it will be more desirable to statistically process as many pixels in the individual color region as possible, than relying on some regularly sampled pixels. This process may require segmentation, which usually requires edge detection. However, edges in color codes can be disconnected due tovarious distortions such as zipper effect and reflection, to name a few, making segmentation incomplete. Edge linking is also a difficult process. In this paper, a more efficient approach to reducing the effect of color distortions on reading colors, one that excludes precise edge detection for segmentation, was obtained by employing the k-means clustering algorithm. And, in detecting color codes, the properties of both six safe colors and grays were utilized. Experiments were conducted on 144, 4M-pixel, outdoor images. The proposed method resulted in a color-code detection rate of 100% fur the test images, and an average color-reading accuracy of over 99% for the detected codes, while the highest accuracy that could be achieved with an approach employing Canny edge detection was 91.28%.

칼라코드는 획득된 영상에서 칼라의 심각한 왜곡 때문에 그 응용 확장에 어려움이 있었다. 칼라 인식에서 칼라 왜곡의 영향을 줄이기 위해서는 규칙적으로 샘플링된 몇 개의 화소들을 이용하기 보다는 가능한한 각 칼라 영역에서 많은 화소들을 통계적으로 처리하는 것이 더 바람직하다. 이를 위해서는 일반적으로 에지 검출이 필요한 분할이 필요하다. 그러나, 칼라코드에서 에지들은 분할을 불완전하게 만드는 지퍼 효과나 반사와 같은 다양한 왜곡에 의해 끊어질 수 있고, 에지 연결 또한 어려운 처리 과정이다. 본 논문에서는 칼라 인식에서 칼라 왜곡의 영향을 줄이기 위한 좀 더 효과적인 방법은 분할을 위한 정확한 에지 검출을 배제하는 방법으로 k-평균 클러스트링 알고리즘을 적용하였다. 또한, 칼라코드 검출에서 6개의 안전한 칼라와 그레이 성질 모두 이용하였다. 실험은 4M-화소 크기의 야외영상 144장에 대해 수행되었다. 제안한 방법은 테스트 영상에 대해서 100%의 칼라코드 검출율을 나타내었고, 검출된 코드에 대해서는 99% 이상의 평균 칼라 인식 정확도를 보였다. 여기서 가장 높은 정확도를 보인 캐니 에지 검출법을 사용한 경우 91.28%로 나타났다.