The KIPS Transactions:PartB (정보처리학회논문지B)

Korea Information Processing Society (한국정보처리학회)
권호 표지
DOI QR코드

DOI QR Code

An Improved Snake Algorithm Using Local Curvature

부분 곡률을 이용한 개선된 스네이크 알고리즘

  • 이정호 (배재대학교 정보통신공학과) ;
  • 최완석 (배재대학교 정보통신공학과) ;
  • 장종환 (배재대학교 정보통신공학과)
  • Published : 2008.12.31
Download PDF
⟨ Previous Next ⟩

Abstract

The classical snake algorithm has a problem in detecting the boundary of an object with deep concavities. While the GVF method can successfully detect boundary concavities, it consumes a lot of time computing the energy map. In this paper, we propose an algorithm to reduce the computation time and improve performance in detecting the boundary of an object with high concavity. We define the degree of complexity of object boundary as the local curvature. If the value of the local curvature is greater than a threshold value, new snake points are added. Simulation results on several different test images show that our method performs well in detecting object boundary and requires less computation time.

기존 스네이크 알고리즘은 에너지 함수의 정의에 의해 복잡한 객체의 윤곽을 추출하는데 어려움이 있고, GVF 방법은 에너지 맵 계산 시간이 많이 소요되는 문제점이 있다. 본 논문에서는 빠르고, 복잡한 객체의 윤곽을 잘 추출하는 방법을 제안한다. 객체 윤곽의 복잡도는 곡률로 정의하여 곡률 값이 임계치 이상이면 스네이크 포인트를 추가하여 객체의 윤곽을 추출하였다. 다수의 복잡한 영상에 실험을 통해 계산속도 및 윤곽 추출 성능을 개선하는 결과를 보여준다.

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.Parker, A. Pearmain, L. Pedersen, A. Sandvancd, R.Schafer, P.Schoonjans and P. Stammnitz, “Customized Television: Standards Compliant Advanced Digital Television,” IEEE, Trans. Brood.. Vol.48, No.2, pp.151-158, June, 2002 https://doi.org/10.1109/TBC.2002.1021281
  2. D. H. Ballard and C. Brown, Computer Vision, Prentice-hall, 1982
  3. M. Kass, A. Witkin and D. Terzopoulos. “Snake: Active Contour Models.” Int'l J. Computer Vision, Vol.1, No.4, pp.321-331, 1987 https://doi.org/10.1007/BF00133570
  4. D. J. Williams and M. Shah, “A Fast Algorithm for Active Contours.” Computer Vision, Third International Conference on (1990), pp.592-595, 1990 https://doi.org/10.1109/ICCV.1990.139602
  5. K. M. Lam and H. Yan, “Fast Greedy Algorithm for Active Contours,” Electron Lett., Vol.30, pp.21-23, 1994 https://doi.org/10.1049/el:19940040
  6. Xu, Chenyang and Jerry L. Prince. “Gradient Vector Flow : A New External Force for Snakes,” Proceedings of the 1997 Conference on Computer Vision and Pattern Recognition (CVPR '97), pp.66-71. IEEE Computer Sociey, 1997 https://doi.org/10.1109/CVPR.1997.609299
  7. Xu, Chenyang and Jerry L. Prince. “Snakes, Shapes, and Gradient Vector Flow,” IEEE Trans. on Image Processing, Vol.7, No.3, pp.359-369, March, 1998 https://doi.org/10.1109/83.661186
  8. 김신형, 전병태, 장종환, “스테레오 영상에서 변이 정보를 결합한 새로운 스네이크 알고리즘,” 한국통신학회 논문지, 제11회 A, 제11호, pp.266-275. 2003
  9. 김신형, 장종환, “오목한 윤곽을 갖는 객체에서 스네이크 기반의 윤곽선 검출방법,” 한국정보처리학회 논문지,제13회-B권, 제4호, pp.361-368, 2006 https://doi.org/10.3745/KIPSTB.2006.13B.4.361
  10. S. H. Kim, J. W. Jang and J. H. Choi. “Object Segmentation Algorithm Using Snakes in Stereo Images,” Optical Engineering, Vol.45, No.3, pp.037005, Mar., 2006 https://doi.org/10.1117/1.2181569
  11. K. W. Sum and P.Y.S. Cheung, “Boundary vector field for parametric active contours,” Pattern Recognition, Vol.40, Issue 6, pp.1635-1645, Jun., 2007 https://doi.org/10.1016/j.patcog.2006.11.006