An Artificial Neural Network Learning Fuzzy Membership Functions for Extracting Color Sketch Features

칼라스케치 특징점 추출을 위한 퍼지 멤버쉽 함수의 신경회로망 학습

This paper describes the technique which utilizes a fuzzy neural network to sketch feature extraction in digital images. We configure an artificial neural network and make it learn fuzzy membership functions to decide a local threshold applying to sketch feature extraction. To do this. we put the learning data which is membership functions generated based on optimal feature map of a few standard images into the artificial neural network. The proposed technique extracts sketch features in an images very effectively and rapidly because the input fuzzy variable have some desirable characteristics for feature extraction such as dependency of local intensity and excellent performance and the proposed fuzzy neural network is learned from their membership functions, We show that the fuzzy neural network has a good performance in extracting sketch features without human intervention.

본 논문에서는 칼라 영상의 스케치 특징점을 추출하기 위해 퍼지신경회로망을 이용하는 방법에 대하여 설명한다. 이 신경회로망은 스케치 특징점 추출을 위한 퍼지 소속함수를 학습시킴으로써 적절한 국부 임계 치를 획득할 수 있도록 구성된다. 제안한 퍼지신경회로망의 입출력 소속함수는 표준영상으로부터 추출된 최적의 특징점 추출결과를 기반으로 구성하여 학습 데이타로 사용된다. 학습에 사용된 퍼지입력변수는 디지털 영상에서의 특징점 추출 시 국부영역 밝기를 잘 반영할 뿐만 아니라 특징점 추출성능이 매우 우수한 특성이 있으며, 이들 입력변수의 소속함수를 신경회로망으로 학습시킴으로써 매우 효과적이고 신속하게 스케치 특징점들을 추출할 수 있다. 실험결과, 소속함수로 학습된 신경회로망으로부터 얻어진 임계치를 사용한 특징점 추출이 다양한 영상에 대하여 매우 우수함을 보였다.