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

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

DOI QR Code

Effectiveness of Edge Selection on Mobile Devices

모바일 장치에서 에지 선택의 효율성

  • Kang, Seok-Hoon (Dept. of Emebedded System Engineering, University of Incheon)
  • 강석훈 (인천대학교 임베디드시스템공학과)
  • Received : 2010.12.20
  • Accepted : 2011.04.05
  • Published : 2011.07.31
Download PDF
⟨ Previous Next ⟩

Abstract

This paper proposes the effective edge selection algorithm for the rapid processing time and low memory usage of efficient graph-based image segmentation on mobile device. The graph-based image segmentation algorithm is to extract objects from a single image. The objects are consisting of graph edges, which are created by information of each image's pixel. The edge of graph is created by the difference of color intensity between the pixel and neighborhood pixels. The object regions are found by connecting the edges, based on color intensity and threshold value. Therefore, the number of edges decides on the processing time and amount of memory usage of graph-based image segmentation. Comparing to personal computer, the mobile device has many limitations such as processor speed and amount of memory. Additionally, the response time of application is an issue of mobile device programming. The image processing on mobile device should offer the reasonable response time, so that, the image segmentation processing on mobile should provide with the rapid processing time and low memory usage. In this paper, we demonstrate the performance of the effective edge selection algorithm, which effectively controls the edges of graph for the rapid processing time and low memory usage of graph-based image segmentation on mobile device.

본 논문은 모바일 환경 하에서 효과적인 그래프 기반의 이미지 분할 적용 시, 실행시간 및 메모리 사용량 향상시키고, 이를 이용해 surface layout의 전처리 작업으로 수퍼 픽셀을 얻기 위한 효율적인 방법을 제안한다. 그래프기반의 이미지 분할은 영상으로부터 오브젝트 영역을 추출하는 알고리즘으로 입력 영상의 각 화소 정보를 이용한 에지 생성 및 그래프를 구성한다. 그래프 구성 시 기준 화소 및 주변 화소 위치 정보 및 색상 강도 차이 값(edgeweight)을 이용하여 에지를 구성하며, 색상 강도 차이 값에 따른 문턱치 값을 기준으로 각 에지를 연결함으로써 객체 영역을 추출하고 있다. 따라서 에지의 수는 그래프 기반의 이미지 분할의 실행시간 및 메모리 사용량을 결정하게된다. 모바일 디바이스는 PC에 비해 프로세서 속도 및 메모리 사용량 등 하드웨어적인 제약사항이 많으며, 프로그램 응답 시간이 주요 이슈가 되고 있다. 이러한 모바일 디바이스 상의 영상 처리 기술 적용 시 빠른 프로그램 응답시간 제공은 반드시 이루어져야 하며, 이미지 분할 단계에서도 보다 빠른 응답 시간을 위한 프로세싱 시간과 메모리사용량을 줄여야만 한다. 본 논문은 그래프 상의 에지의 수를 효과적으로 선택하는 효과적인 에지 선택 알고리즘 적용을 통해 그래프 기반의 이미지 분할 알고리즘을 모바일 디바이스에 적용 시, 프로세싱 시간 및 메모리 사용량의 개선을 보이도록 하고, 수퍼 픽셀 당 정확도가 입력영상 사이즈에 관계없이 70%이상 생성되며, 그 정확도가 96%동일하다는 것을 보인다.

Keywords

References

  1. FELZENSZWALB, P., AND HUTTENLOCHER, D. "Efficient graph-based Image Segmentation", Int. Journal of Computer Vision 59, pp. 167-181, 2004. https://doi.org/10.1023/B:VISI.0000022288.19776.77
  2. Derek Hoiem, Alexei Efros, and Martial Hebert. "Recovering surface layout from an image", International Journal of Computer Vision, 75, pp. 151-172, 2007. https://doi.org/10.1007/s11263-006-0031-y
  3. D. Hoiem, A. A. Efros, and M. Hebert, "Automatic photo pop-up,", ACM SIGGRAPH, 2005.
  4. S. Arya and D. M. Mount. "Approximate nearest neighbor searching", Proc. 4th Annual ACM-SIAM Symposium on Discrete Algorithms, pp. 271-280, 1993.
  5. C.T. Zahn. "Graph-theoretic methods for detecting and describing gestalt clusters", IEEE Transactions on Computing, Vol 20, pp. 68-86, 1971
  6. R. Urquhart. "Graph theoretical clustering based on limited neighborhood sets", Pattern Recognition, vol 15, pp. 173-187, 1982 https://doi.org/10.1016/0031-3203(82)90069-3
  7. M.C. Cooper, "The tractability of segmentation and scene analysis", International Journal of Computer Vision, Vol 30, No 1, pp 27-42, October 1998. https://doi.org/10.1023/A:1008013412628
  8. T. Pavlidas, "Structural Pattern Recognition", Springer-Verlag, 1977
  9. J. Shi and J. Malik, "Normalized cuts and Image Segmentation", Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition, pp. 731-737, 1997
  10. D. Comaniciu and P. Meer, "Robust analysis of feature spaces: color Image Segmentation", Proceedings of IEEE Conference on Computer Vision and Pattern Recognition, pp. 750-755, 1997
  11. D. Comaniciu and P. Meer, "Mean shift analysis and applications", Proceedings of IEEE Conference