The Journal of the Korea Contents Association (한국콘텐츠학회논문지)

The Korea Contents Association (한국콘텐츠학회)
권호 표지
DOI QR코드

DOI QR Code

Anisotropic Diffusion based on Directions of Gradient

기울기 방향성 기반의 이방성 확산

  • Published : 2008.11.28
Download PDF
⟨ Previous Next ⟩

Abstract

Thanks to the multimedia technology development, it is possible to show image representations in high quality and to process images in various ways. Anisotropic diffusion as an effective diffusion filtering among many image preprocessing methods and postprocessing methods is used in reduction of speckle noises of ultrasound images, image restoration, edge detection, and image segmentation. However, the conventional anisotropic diffusion based on a cross-kernel causes the following problems. The problem is the concentration of edges in the vertical or horizontal directions. In this paper, a new anisotropic diffusion transform based on directions of gradient is proposed. The proposed method uses the eight directional square-kernel which is an expanded form of the cross-kernel. The proposed method is to select directions of small gradient based on square-kernel. Therefore, the range of proposed diffusion is selected adaptively according to the number of the directions of gradient. Experimental results show that the proposed method can decrease the concentration of edges in the vertical or horizontal directions, remove impulse noise. The image in high quality can be obtained as a result of the proposed method.

현재 멀티미디어 기술의 발달로 인하여 영상의 전처리 및 후처리 과정을 이용한 수정 작업으로 고품질의 영상 표현 및 다양한 영상 처리가 가능하다. 영상 처리 기법 중에서 이방성 확산의 경우 영상의 스페클 노이즈 제거, 에지 검출, 영상 분할 등에 응용할 수 있는 효과적인 확산 필터링으로 활용되고 있다. 하지만 전통적인 이방성 확산은 십자형 커널을 기반으로 하고 있기 때문에 확산 필터링을 반복 적용하면 영상의 에지가 수평 및 수직 방향으로 집중되는 문제점이 있다. 본 논문에서는 기존의 십자형 커널 기반의 이방성 확산 문제점을 해결하기 위하여 기울기의 방향성에 기반한 새로운 이방성 확산 방식을 제안한다. 제안된 방식은 십자형 커널을 확장하여 대각선 방향 정보를 포함한 8방향의 정방형 커널을 기반으로 작은 기울기를 갖는 방향으로 이방성 확산을 적용한다. 제안된 방식의 실험 결과 에지가 수평 및 수직 방향으로 집중되는 문제점을 해결하면서 임펄스성 노이즈를 제거하여 고품질의 영상을 획득할 수 있었다.

Keywords

References

  1. J. Babaud, A. Witkin, M. Baudin, and R. Duda, "Uniqueness of the gaussian kernel for scale-space filtering," IEEE Trans. Pattern Anal. and Machine Intell., Vol. PAMI-8, 1986(1). https://doi.org/10.1109/TPAMI.1986.4767749
  2. P. Perona and J. Malik, "Scale-Space and Edge Detection Using Anisotropic Diffusion," IEEE Trans. Pattern Anal. and Machine Intell., Vol.12, No.7, pp.629-639, 1990. https://doi.org/10.1109/34.56205
  3. M. J. Black, G. Sapiro, D. H. Marimont, and D. Hegger, "Robust Anisotropic Diffusion," IEEE Trans. Image Processing, Vol.7, No.3, pp.421-432, 1998(3). https://doi.org/10.1109/83.661192
  4. F. Voci, S. Eiho, N. Sugimoto, and H. Sekiguchi, "Estimating the Gradient Threshold in the Perona-Malik Equation," IEEE Signal Processing Magazine, pp.39-46, 2004(5). https://doi.org/10.1109/MSP.2004.1296541
  5. J. Canny, "A Computational Approach to Edge Detection," IEEE Trans. Pattern Anal. and Machine Intell., Vol. PAMI-8, pp.679-698, 1986. https://doi.org/10.1109/TPAMI.1986.4767851
  6. H. Y. Kim, "Gradient Histogram-Based Anisotropic Diffusion," Personal Communication, 2006.
  7. K. Karl, C. F. Westin, K. Ron, and V. Kirby, "Oriented Speckle Reducing Anisotropic Diffusion," IEEE Transactions on Image Processing, Vol.16, No.5, pp.1412-1424, 2007. https://doi.org/10.1109/TIP.2007.891803
  8. W. Yi, Z. Liangpei, and L. Pingxiang, "Local Variance Controlled Forward and Backward Diffusion for Image Enhancement and Noise Reduction," IEEE Transactions on Image Processing, Vol.16, pp.1854-1864, 2007(7). https://doi.org/10.1109/TIP.2007.899002
  9. P. Zhigeng and L. Jianfeng, "A Bayes-Based Region-Growing Algorithm for Medical Image Segmentation," Computing in Science & Engineering, Vol.9, pp.32-38, 2007.
  10. A. K. W. Sum and P. Y. S. Cheung, "Stabilized Anisotropic Diffusions," IEEE International Conference Acoustics, Speech and Signal Processing, Vol.1, pp.709-712, 2007(4). https://doi.org/10.1109/ICASSP.2007.366006