Color Image Segmentation Based on Edge Salience Map and Region Merging

경계 중요도 맵 및 영역 병합에 기반한 칼라 영상 분할

In this paper, an image segmentation method which is based on edge salience map and region merging is presented. The edge salience map is calculated by combining a texture edge map with a color edge map. The texture edge map is computed over multiple spatial orientations and frequencies by using Gabor filter. A color edge is computed over the H component of the HSI color model. Then the Watershed transformation technique is applied to the edge salience map to and homogeneous regions where the dissimilarity of color and texture distribution is relatively low. The Watershed transformation tends to over-segment images. To merge the over-segmented regions, first of all, morphological operation is applied to the edge salience map to enhance a contrast of it and also to find mark regions. Then the region characteristics, a Gabor texture vector and a mean color, in the segmented regions is defined and regions that have the similar characteristics, are merged. Experimental results have demonstrated the superiority in segmentation results for various images.

본 논문에서는 경계 중요도 맵과 영역 병합에 의한 영상 분할 방법을 제안한다. 경계 중요도 맵은 텍스쳐 경계 강도와 칼라 경계 강도의 조합에 의해 생성한다. 텍스쳐 경계 강도는 가버 필터 뱅크를 사용하여 다중 스케일과 방향에 따른 필터링 결과를 병합하여 생성하며 칼라 경계 강도는 HSI 칼라 모델의 H 성분에 대해 계산한다. 경계 중요 맵 영상에 대해서는 Watershed 변환을 통해 사전 영상 분할을 수행한다. Watershed 변환에 의한 영상 분할은 영역들이 과잉 분할되는 현상이 나타나므로 이를 개선하여 최종 영상 분할 결과를 생성한다. 이를 위해 우선 모폴로지 연산을 사용하여 경계 중요도 맵 영상에 대한 컨트라스트 향상과 마커 영역을 생성한다. 모폴로지 연산으로 과잉 분할 영역은 줄어들지만 여전히 상당수 존재하게 되므로 이를 극복하기 위해 영역 병합 과정을 수행한다. 영역 병합 단계에서는 영역 내부의 평균 칼라 및 가버 텍스쳐 벡터를 함께 사용함으로써 효과적으로 과잉 분할된 영역을 병합할 수 있도록 하였다. 제안한 방법은 다양한 자연 영상에 대해 실험하였으며 기존 방법과 결과를 비교하여 성능의 우수성을 확인하였다.