Journal of the Institute of Electronics Engineers of Korea CI (전자공학회논문지CI)

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

A Multi-thresholding Approach Improved with Otsu's Method

Otsu의 방법을 개선한 멀티 스래쉬홀딩 방법

  • Li Zhe-Xue (Dept. of Computer Engineering, Myongji University) ;
  • Kim Sang-Woon (Dept. of Computer Engineering, Myongji University)
  • 이철학 (명지대학교 컴퓨터공학과) ;
  • 김상운 (명지대학교 컴퓨터공학과)
  • Published : 2006.09.01
Download PDF
⟨ Previous Next ⟩

Abstract

Thresholding is a fundamental approach to segmentation that utilizes a significant degree of pixel popularity or intensity. Otsu's thresholding employed the normalized histogram as a discrete probability density function. Also it utilized a criterion that minimizes the between-class variance of pixel intensity to choose a threshold value for segmentation. However, the Otsu's method has a disadvantage of repeatedly searching optimal thresholds for the entire range. In this paper, a simple but fast multi-level thresholding approach is proposed by means of extending the Otsu's method. Rather than invoke the Otsu's method for the entire gray range, we advocate that the gray-level range of an image be first divided into smaller sub-ranges, and that the multi-level thresholds be achieved by iteratively invoking this dividing process. Initially, in the proposed method, the gray range of the object image is divided into 2 classes with a threshold value. Here, the threshold value for segmentation is selected by invoking the Otsu's method for the entire range. Following this, the two classes are divided into 4 classes again by applying the Otsu's method to each of the divided sub-ranges. This process is repeatedly performed until the required number of thresholds is obtained. Our experimental results for three benchmark images and fifty faces show a possibility that the proposed method could be used efficiently for pattern matching and face recognition.

스레쉬홀딩(thresholding)은 영상 화소의 군집이나 강도를 이용하여 영상을 분할하는 기본 기술이다. Otsu의 스레쉬홀딩 방법에서는 정규화 된 히스토그램을 이산 밀도함수로 보아 화소의 클래스 간 분산을 최대화시키는 판별식을 이용한다. 그러나 Otsu의 방법에서는 여러 객체로 이루어진 영상에서 최적의 스레쉬홀드를 찾기 위하여 그레이레벨 전 구간에 대해 모든 가능한 분산 값을 반복적으로 계산해 보아야 하기 때문에 계산 시간이 길게 걸리는 문제가 있다. 본 논문에서는 Otsu의 방법을 개선하여 간단하지만 고속으로 멀티-레벨의 스레쉬홀드 값을 구할 수 있는 방법을 제안한다. 전체 그레이 구간 영역에 대하여 Otsu의 방법을 적용시키기 보다는 먼저 그레이 영역을 작은 부분-구간으로 나눈 다음 Otsu의 방법을 적용시키는 처리를 반복하여 원하는 개수의 스레쉬홀드를 구하는 방법이다. 본 제안 방법에서는 맨 처음 대상 영상의 그레이 구간을 2부류로 나눈다. 이 때, 분할을 위한 스레쉬홀드는 전 구간을 대상으로 Otsu의 방법을 적용하여 구한다. 그 다음에는 전체 구간이 아닌 분할된 부분-구간을 대상으로 Otsu의 방법을 적용하여 두 부류를 4부류로 나눈다. 이와 같은 처리를 원하는 개수의 스레쉬홀드를 얻을 때 까지 반복한다. 세 종류 벤취마크 영상과 50개 얼굴영상에 대해 실험한 결과, 제안 방법은 대상 영상을 특성에 맞게 고속으로 잘 분할하였으며, 패턴 매칭이나 얼굴인식에 이용될 수 있는 가능성을 확인하였다.

Keywords

References

  1. B. Sankur, M. Sezgin, 'Survey over image thresholding techniques and quantitative and quantitative performance evaluation', Journal of Electronic Imaging, vol. 13, no. 1, pp. 146-165, 2004 https://doi.org/10.1117/1.1631315
  2. C. -C. Chang, L. -L. Wang, 'A fast multilevel thresholding method based on lowpass and highpass filtering', Pattern Recognition Letters, vol. 18, pp. 1469-1478, 1997 https://doi.org/10.1016/S0167-8655(97)00134-7
  3. D. -M. Tsai, 'A fast thresholding selection procedure for multimodal and unimodal historgrams', Pattern Recognition Letters, vol. 16, pp. 653-666, 1995 https://doi.org/10.1016/0167-8655(95)00005-2
  4. P. -S. Liao, T. -S. Chen, P. -C. Chung. 'A fast algorithm for multilevel thresholding', Journal of Information Science and Engineering vol. 17, pp. 713-727, 2001
  5. N. Otsu, 'A threshold selection method from gray-level histogram', IEEE Trans. on System Man Cybernetic, vol. SMC-9, no. 1, pp. 62-66, 1979
  6. J. Gong, L. -Y. Li, W. -N. Chen, 'Fast recursive algorithm for two-dimensional thresholding', Pattern Recognition, vol. 31, no. 3, pp. 295-300, 1998 https://doi.org/10.1016/S0031-3203(97)00043-5
  7. X. -J. Wu, Y. -J. Zhang, L. -Z. Xia, 'A fast recurring two-dimensional entropic thresholding algorithm', Pattern Recognition, vol. 32, pp. 2005-2061, 1999 https://doi.org/10.1016/S0031-3203(97)00158-1
  8. C. H. Li, P. K. S. Tam, 'An iterative algorithm for minimum cross entropy thresholidng', Pattern Recognition Letters, vol. 19, pp. 771-776, 1998 https://doi.org/10.1016/S0167-8655(98)00057-9
  9. Y. Shao, M. Celenk, 'Higher-order spectra(HOS) invariants for shape recognition', Pattern Recognition, vol. 34, pp. 2097-2113, 2001 https://doi.org/10.1016/S0031-3203(00)00148-5
  10. K -L. Chung, W. -Y. Chen, 'Fast adaptive PNN-based thresholding algorithms', Pattern Recognition, vol. 36, pp. 2793-2804, 2003 https://doi.org/10.1016/S0031-3203(03)00138-9
  11. P. K Sahoo, G. Arora, 'Image thresholding using two-dirnentsional Tsallis-Havrda-Charvat entropy', Pattern Recognition Letters, vol. 27, pp. 520-528, 2006 https://doi.org/10.1016/j.patrec.2005.09.017
  12. Q. Huang, W. Gao, W. Cai, 'Thresholding technique with adaptive window selection for uneven lighting image', Pattern Recognition Letters, vol. 26, pp, 801-808, 2005 https://doi.org/10.1016/j.patrec.2004.09.035
  13. B. -F. Wu, Y. -L. Chen, C. -C. Chiu, 'A discriminant analysis based recursive automatic thresholding approach for image segmentation', IEICE Trans. Inf, & Syst, vol. E88-D, no. 7, pp. 1716-1723, 2005 https://doi.org/10.1093/ietisy/e88-d.7.1716
  14. K. -H. Lin, K. -M. Lam, W. -C. Siu, 'Spatially eigen-weighted Hausdorff distances for human face recognition', Pattern Recognition, vol. 36, pp. 1827-1834, 2003 https://doi.org/10.1016/S0031-3203(03)00011-6
  15. www.uk.research.att.com/facedatabase.html
  16. E. Pekalska, R. P. W. Duin, The dissimilarity representation for pattern recognition, foundations and applications, World Scientific, Singapore, pp. 1-607, 2005
  17. 김상운 'Prototype reduction schemes와 Mahala nobis 거리를 이용한 relational discriminant analysis', 대한전자공학회논문지-CI, vol. 43, no. 1, pp. 9-16, 2006. 1