Journal of Korea Multimedia Society (한국멀티미디어학회논문지)

Korea Multimedia Society (한국멀티미디어학회)
권호 표지
DOI QR코드

DOI QR Code

A Study on Image Segmentation Method Based on a Histogram for Small Target Detection

소형 표적 검출을 위한 히스토그램 기반의 영상분할 기법 연구

  • 양동원 (국방과학연구소 5기술연구본부 국방무인기술센터) ;
  • 강석종 (국방과학연구소 5기술연구본부 국방무인기술센터) ;
  • 윤주홍 (국방과학연구소 5기술연구본부 국방무인기술센터)
  • Received : 2012.06.26
  • Accepted : 2012.10.19
  • Published : 2012.11.30
Download PDF
⟨ Previous Next ⟩

Abstract

Image segmentation is one of the difficult research problems in machine vision and pattern recognition field. A commonly used segmentation method is the Otsu method. It is simpler and easier to implement but it fails if the histogram is unimodal or similar to unimodal. And if some target area is smaller than background object, then its histogram has the distribution close to unimodal. In this paper, we proposed an improved image segmentation method based on 1D Otsu method for a small target detection. To overcome drawbacks by unimodal histogram effect, we depressed the background histogram using a logarithm function. And to improve a signal to noise ratio, we used a local average value by the neighbor window for thresholding using 1D Otsu method. The experimental results show that our proposed algorithm performs better segmentation result than a traditional 1D Otsu method, and needs much less computational time than that of the 2D Otsu method.

영상분할은 영상 처리 및 패턴 인식에서 매우 어려운 전처리 과정 중 하나이다. 일반적으로는 단순하고 구현이 쉽기 때문에 OTSU의 방법이 많이 사용되고 있지만, 영상의 히스토그램이 단일 분포를 갖거나 단일 분포에 가까울 경우에는 영상 분할이 정확히 되지 못한다. 또한, 만일 표적이 영상에 비해서 소형인 경우 표적의 히스토그램 분포가 작아져서 단일 분포에 가까워진다. 본 논문에서는 소형 표적 검출을 위한 개선된 영상 분할 기법을 제안하였다. 단일 분포 히스토그램의 단점을 극복하기 위하여 배경 히스토그램의 영향을 감소시키는 기법을 적용하였으며, SNR을 높이기 위하여 지역 평균화 기법을 1D OTSU에 적용하였다. 실제 열 영상을 기반으로 실험을 수행한 결과 2D OTSU 방법에 비해서 연산 시간은 크게 줄었으며, 영상 분할 결과는 개선되었음을 확인하였다.

Keywords

References

  1. N. Otsu, "A Threshold Selection Method from Gray-level Histogram," IEEE Transactions on Systems Man Cybernet, SMC-8, pp. 62-66, 1978.
  2. W. Hongzhi and D. Ying, "An Improved Image Segmentation Algorithm Based on Otsu Method," SPIE, Vol. 6625, pp. 66250l 1-8, 2008.
  3. S. Chen and D. Li, "Image Binarization Focusing on Objects," Neurocomputing, Vol. 69, Issues 16-18, pp. 2411-2415, 2006. https://doi.org/10.1016/j.neucom.2006.02.014
  4. J. Zhang and J. Hu, "Image Segmentation Based on 2D Otsu Method with Histogram Analysis," IEEE International Conference on Computer Science and Software Engineering, pp. 105-108, 2008.
  5. H. Jiang and Z. Ren, "Novel Adaptive Multi Threshold Image Segmentation Algorithm," SPIE Automatic Target Recognition and Image Analysis, Vol. 6786, pp. 678648 1-6, 2007.
  6. G. Yanfei, Z. Hantao, and J. Jian, "Image Segmentation Based on Maximum Relationship Principle of Conditional Distribution Under the Assumption of Poisson Distribution," SPIE International Symposium on Photoelectronic Detection and Imaging, pp. 66250K 1-7, 2008.
  7. 김도종, 양동원, 강석종, 곽동민, 윤주홍, "침입자 탐지를 위한 영상등록 성능향상에 관한 연구," 군사과학기술학회 학술대회, pp. 1-4, 2010.
  8. 양동원, 김도종, 강석종, 박용운, "소형 표적 검출을 위한 영상분할 기법 연구," 국방과학연구소 40주년 기념 학술대회, pp. 1-4, 2010.
  9. M. Guizar-Sicairos, S.T. Thurman, and J.R. Fienup, "Efficient Subpixel Image Registration Algorithms," Optics Letters, Vol. 33, No. 2, pp. 156-158, 2008. https://doi.org/10.1364/OL.33.000156
  10. L.G. Brown, "A Survey of Image Registration Techniques," ACM Computing Surveys 24, Vol. 24, No. 4, pp. 325-376, 2001.
  11. B. Zitova and J. Flusser, "Image Registration Methods: A Survey," Image and Vision Computing 21, pp. 977-1000, 2003. https://doi.org/10.1016/S0262-8856(03)00137-9
  12. A.M. Tekalp, Digital Video Processing, Prentice Hall PTR, Upper Saddle River, NJ 07458, 1995.
  13. I.G. Karybali, E.Z. Psarakis, K. Berberidis, and G.D. Evangelidis, "An Efficient Spatial Domain Technique for Subpixel Image Registration," Signal Processing: Image Communication 23, pp. 711-724, 2008. https://doi.org/10.1016/j.image.2008.08.003
  14. H.S. Stone, M.T. Orchard, E. Chang, and S.A. Martucci, "A Fast Direct Fourier-based Algorithm for Subpixel Registration of Images," IEEE Transactions on Geoscience and Remote Sensing, Vol. 39, No. 10, pp. 2235-2243, 2001. https://doi.org/10.1109/36.957286
  15. P. Vendewalle, S. Susstrunk, and M. Vetterli, "A Frequency Domain Approach to Registration of Aliased Images with Application to Super-resolution," EURASIP Journal on Applied Signal Processing, Vol. 2006, pp. 1-14, 2006. https://doi.org/10.1155/ASP/2006/96421
  16. A.J. Lipton, H. Fujiyoshi, and R.S. Patil, Moving Target Classification and Tracking from Real-time Video, http://www.cs. cmu.edu/- vsam, 1998.
  17. V. Markandey, A. Reid, and S. Wang, "Motion Estimation for Moving Target Detection," IEEE Transaction on Aerospace and Electronic Systems, Vol. 32, pp. 866-874, 1996. https://doi.org/10.1109/7.532249
  18. X. Mei, S. K. Zhou, H. Wu, and F. Porikli, "Integrated Detection, Tracking and Recognition for IR Video-based Vehicle Classification," IEEE Journal of Computers, Vol. 2, No. 6, pp. 1-8, 2006.
  19. 이승익, 김주영, 김기홍, 구본호, "복잡한 FLIR 영상에서의 소형표적 탐지 기법," 멀티미디어학회논문지, 제10권, 제4호, pp. 432-440, 2007.
  20. 이광호, 이승익, "움직임 영역 추출 알고리즘을 이용한 자동 움직임 물체 분할", 멀티미디어학회논문지, 제7권, 제9호, pp. 1240-1245, 2004.

Cited by

  1. Embedded Multi-LED Display System based on Wireless Internet using Otsu Algorithm vol.16, pp.6, 2016, https://doi.org/10.7236/JIIBC.2016.16.6.329
  2. Tooth Region Segmentation by Oral Cavity Model and Watershed Algorithm vol.16, pp.10, 2013, https://doi.org/10.9717/kmms.2013.16.10.1135