Journal of the Korea Society of Computer and Information (한국컴퓨터정보학회논문지)

Korean Society of Computer Information (한국컴퓨터정보학회)
권호 표지
DOI QR코드

DOI QR Code

Extended Snake Algorithm Using Color Variance Energy

컬러 분산 에너지를 이용한 확장 스네이크 알고리즘

  • Published : 2009.10.31
Download PDF
⟨ Previous Next ⟩

Abstract

In this paper, an extended snake algorithm using color variance energy is proposed for segmenting an interest object in color image. General snake algorithm makes use of energy in image to segment images into a interesting area and background. There are many kinds of energy that can be used by the snake algorithm. The efficiency of the snake algorithm is depend on what kind of energy is used. A general snake algorithm based on active contour model uses the intensity value as an image energy that can be implemented and analyzed easily. But it is sensitive to noises because the image gradient uses a differential operator to get its image energy. And it is difficult for the general snake algorithm to be applied on the complex image background. Therefore, the proposed snake algorithm efficiently segment an interest object on the color image by adding a color variance of the segmented area to the image energy. This paper executed various experiments to segment an interest object on color images with simple or complex background for verifying the performance of the proposed extended snake algorithm. It shows improved accuracy performance about 12.42 %.

본 논문에서는 컬러 영상에서 관심객체를 분할하기 위해 컬러 분산 에너지를 이용하는 확장 스네이크 알고리즘을 제안한다. 기존 스네이크 알고리즘은 영상 내에 존재하는 다양한 에너지들을 정의하여 영상을 관심 객체와 배경으로 분할한다. 스네이크의 성능은 구성하는 에너지의 특성에 따라 주로 좌우된다. 능동 윤곽선 모델인 일반적인 스네이크 알고리즘은 적용이 쉽고 분석이 용이한 영상의 밝기 정보를 주요 에너지로 사용한다. 그러나 영상밝기의 미분연산이나 에지검출과 관련된 에너지는 잡음에 민감하고 배경이 복잡해지면 성능이 좋지 않은 단점을 가지고 있다. 제안하는 알고리즘은 분할 영역의 컬러 분산을 스네이크의 영상 에너지에 추가함으로써 복잡한 배경에서도 관심객체를 효율적으로 분할한다. 제안하는 확장 스네이크 알고리즘의 성능을 단순한 배경과 복잡한 배경을 갖는 컬러 영상에서 관심객체를 분할하는 다양한 실험을 통해서 입증하였다. 그 결과 정확도 면에서 약 12.42 %의 향상된 성능을 보였다.

Keywords

References

  1. M. Kass, A Witkin, and D. Terzopoulos, "Snakes-Active Contour Models." International Journal of Computer Vol. 1(4): 321-331, 1987.
  2. V. caselles, F. Catte, Tomeucoll, and F. Dibis. "A geometric model for active contours in image processing," Nummerische Mathematik, no.66, 1-31. 1993.
  3. C. Xu. A Yezzi, Jr., and J. L Prince, "On the Relationship between parametric and Geometric Active Contours," in Proc. of 34th Asilomar Conference on Signals, Systems, and Computers, pp. 483-489, October 2000.
  4. C. Xu and J.L. Prince, "Gradient Vector Flow: A New External Foroe for Snakes," Proc. IEEE (CVPR), Nov 1997.
  5. K.W. Sum, P.Y.S. Cheung, "A fast parametric snake model with enhanced concave object extraction capability," Proc. IEEE ISSPIT, 2006.
  6. G. Sapiro, "Color snakes." Comput. Vis. Image Understanding." vol.68, no.2, pp. 247-253, 1997. https://doi.org/10.1006/cviu.1997.0562
  7. Th. Gevers, S. Ghebreab, A.W.M. Smeulders, "Color Invariant Snakes," BMVC98, Southampton, 1998
  8. L. Chen, Y Zhou, Y.G. Wang and J. Yang, "GACV: geodesic-aided C-V method," Pattern Recognition 39, pp. 1391-1395, July 2006. https://doi.org/10.1016/j.patcog.2006.01.017
  9. F.T. Chan and L. Vese, "Active contours without edges for vector-valued Images," J. Visual Commun. Image Representation 11, pp. 130-141. 2000. https://doi.org/10.1006/jvci.1999.0442
  10. L. Pi, J.S. Fan and C.M. Shen, "Color image segmentation for objects of interest with modified geodesic active contour method," J. Math. Imaging Vision 27, pp. 51-57, 2007. https://doi.org/10.1007/s10851-006-9797-3
  11. Yang L, Meer P, Foran D, "Unsupervised segmentation based on robust estimation and color active contour models." IEEE Trans Inform Technol Biomed 9:475-486, 2005. https://doi.org/10.1109/TITB.2005.847515
  12. SeungTea Lee, Youngiun Han, Hernsoo Hahn, "Extended Active Contour Algorithm based on Color Variance," SITA conference, Sept. 2009.
  13. H. Federer. "A note on the Gauss-Green theorem," Proc. Amer, Math. Soc, 9:447-451. 1958. https://doi.org/10.1090/S0002-9939-1958-0095245-2