The KIPS Transactions:PartB (정보처리학회논문지B)

Korea Information Processing Society (한국정보처리학회)
권호 표지
DOI QR코드

DOI QR Code

A Snake-Based Segmentation Algorithm for Object with Boundary Concavities

오목한 윤곽을 갖는 객체에서 스네이크 기반의 윤곽선 검출 방법

  • 김신형 (배제대학교 정보통신공학과) ;
  • 장종환 (배제대학교 정보통신대학원)
  • Published : 2006.08.01
Download PDF
⟨ Previous Next ⟩

Abstract

In this paper we present a snake-based scheme for efficiently detecting contours of objects with boundary concavities. The proposed method is composed of two steps. First, the object's boundary is detected using the proposed snake model. Second, snake points are optimized by inserting new points and deleting unnecessary points to better describe the object's boundary. The proposed algorithm can successfully extract objects with boundary concavities. Experimental results have shown that our algorithm produces more accurate segmentation results than the conventional algorithm.

본 논문에서는 스네이크 기반의 객체 윤곽선 검출 방법을 제안한다. 기존의 방법들은 스네이크 에너지 함수의 제약으로 오목한 윤곽을 갖는 복잡한 모양의 객체에 대해서는 윤곽선 검출의 정확도가 떨어지고, 고정된 스네이크 포인트 수를 이용하기 때문에 효율적으로 객체 윤곽을 표현하는데 문제점이 있다. 이러한 문제점을 해결하기 위해 스네이크 포인트의 추가 및 제거를 통해 객체의 윤곽을 검출하는 방법을 제안한다. 제안한 방법은 크게 두 단계로 구성된다. 먼저, 제안하는 스네이크 모델로 초기 관심객체의 윤곽을 검출하고, 두번째 단계로 부족한 포인트는 추가하고 잉여 포인트는 제거하여 객체의 윤곽선을 잘 검출할 수 있게 한다. 제안한 방법은 복잡한 윤곽을 갖는 객체에 대해 윤곽선 검출이 기존의 방법보다 좋은 결과를 보이는 것을 실험을 통해 확인하였다.

Keywords

References

  1. M. Bais, J, Cosmas, C.Dosch, A. Engelsberg, A. Erk, P. S. Hansen, P. Healey, G.K. Klungsoeyr, R. Mies, J,R. Ohm, Y. Paker, A. Peannain, L. Pedersen, A. Sandvancd, R. Schafer, P. Schoonjans, and P. Stamrnnitz, 'Customized Television : Standards Compliant Advanced Digital Television,' IEEE, Trans. Broad .. Vol.48, No.2, pp.151-158, June, 2002 https://doi.org/10.1109/TBC.2002.1021281
  2. ISO/IEC JTC/SC29/WG11/W4350: 'Information Technology - Coding of Audio-Visual Objects Part2 : visual' ISO/IEC 14496-2, july, 2001
  3. R. C. Gonzalez and R. E. Woods, Digital Image Processing, Addision Wesley Publishing Company, 1992
  4. R. M. Haralick and L. G. Shapiro, 'SURVEY: Image Segmentation Techniques,' Computer Vision Graphics and Image Processing, Vol.29, 1985 https://doi.org/10.1016/S0734-189X(85)90153-7
  5. R. Adams and L. Bischof, 'Seeded Region Growing,' IEEE Trans. Pattern Analysis and Machine Intelligence, Vol.16, No.6, pp.641-647, june, 1994 https://doi.org/10.1109/34.295913
  6. G. T. Herman and B. M. Carvalho, 'Multiseeded Segmentation Using Fuzzy Connectedness,' IEEE Trans. Pattern Analysis and Machine Intelligence, Vol.23, No.5, pp.460-474, May, 2001 https://doi.org/10.1109/34.922705
  7. L. Vincent and P. Soille, 'Watersheds in Digital Spaces: An Efficient Algorithm Based on Immersion Simulations,' IEEE Trans. Pattern Analysis and Machine Intelligence, Vol.13, No.6, pp.583-598, june, 1991 https://doi.org/10.1109/34.87344
  8. M. Kass, A. Witkin, and D. Terzopoulos, 'Snake: Active Contour Models,' Int'I J Computer Vision, Vol.1, No.4, pp.321- 331, 1987 https://doi.org/10.1007/BF00133570
  9. D. J Williams and M. Shah, 'A Fast Algorithm for Active Contours And Curvature Estimation,' Computer Vision, Graphics, and Image Processing, Vol.55, pp.14-26, 1992 https://doi.org/10.1016/1049-9660(92)90003-L
  10. C. Xu and J L. Prince, 'Snakes, Shapes, and Gradient Vector Flow,' IEEE Trans. Image Processing, Vol.7, No.3, pp.359-369, March, 1998 https://doi.org/10.1109/83.661186
  11. S.H. Kim and J.W, Jang, 'Object Contour Tracking Using Snakes in Stereo Image Sequences,' ICIP 2005, Vol.2, pp.414-417, pp.11-14, Sept., 2005 https://doi.org/10.1109/ICIP.2005.1530080