Journal of the Institute of Electronics and Information Engineers (전자공학회논문지)

The Institute of Electronics and Information Engineers (대한전자공학회)
권호 표지
DOI QR코드

DOI QR Code

Texture Classification Algorithm for Patch-based Image Processing

패치 기반 영상처리를 위한 텍스쳐 분류 알고리즘

  • Received : 2014.07.15
  • Accepted : 2014.11.02
  • Published : 2014.11.25
Download PDF
⟨ Previous Next ⟩

Abstract

The local binary pattern (LBP) scheme that is one of the texture classification methods normally uses the distribution of flat, edge and corner patterns. However, it cannot examine the edge direction and the pixel difference because it is a sort of binary pattern caused by thresholding. Furthermore, since it cannot consider the pixel distribution, it shows lower performance as the image size becomes larger. In order to solve this problem, we propose a sub-classification method using the edge direction distribution and eigen-matrix. The proposed sub-classification is applied to the particular texture patches which cannot be classified by LBP. First, we quantize the edge direction and compute its distribution. Second, we calculate the distribution of the largest value among eigenvalues derived from structure matrix. Simulation results show that the proposed method provides a higher classification performance of about 8 % than the existing method.

텍스쳐 분류에 사용되는 방식 중 하나인 지역적 이진화 패턴은 일반적으로 영상 내의 평탄한 부분, 에지, 코너의 분포를 사용한다. 그러나 영상이 가지는 방향성을 고려하지 않고, 단순히 크고 작음만을 비교하는 지역적 이진화 패턴의 특성때문에 화소간 차이를 반영하지 못하는 문제점이 있다. 또한 영상의 분포를 사용하기 때문에 작은 크기의 영상에 대해서는 분류 성능이 저하된다. 이런 문제를 해결하기 위해 본 논문에서는 영상의 방향성 분포와 고유치 행렬을 이용한 세부 분류 기법을 제안한다. 지역적 이진화 패턴으로 초기 분류에서 누락된 텍스쳐 영상에 대하여 두 가지 특징을 이용하여 세부적으로 분류한다. 첫째, 영상이 가질 수 있는 방향을 여덟 가지로 양자화하고 그 방향들의 분포를 계산한다. 둘째, 구조 행렬을 이용하여 나온 고유치 중 큰 값의 분포를 구한다. 모의 실험을 통해 지역적 이진화 패턴만을 사용하였을 때 대비 제안 방법이 약 8% 정도 분류 정확도가 향상됨을 보였다.

Keywords

References

  1. K. J. Khouzani, H. S. Zadeh, "Radon transform orientation estimation for rotation invariant texture analysis," IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 27, no. 6, pp. 1004-1008, 2005. https://doi.org/10.1109/TPAMI.2005.126
  2. W. L. Lee, Y. C. Chen. Y. C. Chen, K. S. Hsieh, "Unsupervised segmentation of ultrasonic liver images by multiresolution fractal feature vector," Information Sciences, vol. 175, pp. 177-199, 2005. https://doi.org/10.1016/j.ins.2005.01.007
  3. F. Y. Shih, C. F. Chuang, "Automatic extraction of head and face boundaries and facial features," Information Sciences, vol. 158, pp. 117-130, 2004. https://doi.org/10.1016/j.ins.2003.03.002
  4. T. Ojala, M. Pietikaine, T. Maenpaa, "Muliresolution gray-scale and rotation invariant texture classification with local binary patterns," IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 24, no. 7, pp. 971-987, 2002. https://doi.org/10.1109/TPAMI.2002.1017623
  5. H. Xu, G. Zhai, "Single image super-resolution with detail enhancement based on local fractal analysis of gradient," IEEE Transactions on Circuits and System for Video Technology, vol. 23, no. 10, October 2013.
  6. S. J. Seo, C. Lee, D. B. Lee, and B. C. Song, "Image deblurring using long/short exposure time image pair," IEIE Fall Conference, 2012.
  7. T. Freeman, T. R. Jones and E. C. Pasztor, "Example based super-resolution," IEEE Computer Graphics and Applications, vol. 22, no. 2, pp. 56-65, Mar/Apr 2002.
  8. B. S. Kim, "An exemplar-based image inpainting method using structure matrix," Journal of Computing Science and Engineering, vol. 39, no. 7, pp. 583-592, 2002.
  9. http://wallpaperswide.com/
  10. G. Freedman, R. Fatal, "Image and video upscaling from local self-examples" Signal, Image and Video Processing vol. 5, issue 3, pp 343-352, Sep 2011 https://doi.org/10.1007/s11760-010-0205-5
  11. J. Yan, J Wright, "Image super-resolution via sparse representation" IEEE Transactions on Image Processing, vol. 19, issue. 11, 2861-2873 Nov 2010. https://doi.org/10.1109/TIP.2010.2050625