• Journal of Information Processing Systems
• /
• 제13권2호
• /
• pp.370-384
• /
• 2017

The image segmentation is the most important operation in an image processing system. It is located at the joint between the processing and analysis of the images. Unsupervised segmentation aims to automatically separate the image into natural clusters. However, because of its complexity several methods have been proposed, specifically methods of optimization. In our work we are interested to the technique SFLA (Shuffled Frog-Leaping Algorithm). It's a memetic meta-heuristic algorithm that is based on frog populations in nature searching for food. This paper proposes a new approach of unsupervised image segmentation based on SFLA method. It is implemented and applied to different types of images. To validate the performances of our approach, we performed experiments which were compared to the method of K-means.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2010년도 추계학술발표대회
• /
• pp.625-628
• /
• 2010

This paper proposes a novel feature extraction method for unsupervised multispectral image segmentation based in one dimensional combined neighborhood differences (1D CND). In contrast with the original CND, which is applied with traditional image, 1D CND is computed on a single pixel with various bands. The proposed algorithm utilizes the sign of differences between bands of the pixel. The difference values are thresholded to form a binary codeword. A binomial factor is assigned to these codeword to form another unique value. These values are then grouped to construct the 1D CND feature image where is used in the unsupervised image segmentation. Various experiments using two LANDSAT multispectral images have been performed to evaluate the segmentation and classification accuracy of the proposed method. The result shows that 1D CND feature outperforms the spectral feature, with average classification accuracy of 87.55% whereas that of spectral feature is 55.81%.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제10권6호
• /
• pp.2669-2688
• /
• 2016

An efficient and effective unsupervised single moving object detection framework is presented in this paper. Given the sparsely labelled trajectory points, we adopt a coarse-to-fine strategy to detect and segment the foreground from the background. The superpixel level coarse segmentation reduces the complexity of subsequent processing, and the pixel level refinement improves the segmentation accuracy. A distance measurement is devised in the coarse segmentation stage to measure the similarities between generated superpixels, which can then be used for clustering. Moreover, a Quadmap is introduced to facilitate the refinement in the fine segmentation stage. According to the experiments, our algorithm is effective and efficient, and favorable results can be achieved compared with state-of-the-art methods.

• 토지주택연구
• /
• 제14권4호
• /
• pp.95-102
• /
• 2023

도시 지역에서 객체를 탐지하기 위해 드론 고해상도 영상에 기계 학습 알고리즘을 적용하는 다양한 연구가 진행되었다. 그러나 대부분의 차량 추출 연구는 인스턴스 세그멘테이션 대신 경계 박스로 차량을 탐지하여 차량의 방향이나 정확한 경계를 알 수 없다는 한계점이 있다. 인스턴스 세그멘테이션은 개별 개체를 훈련하기 위한 노동 집약적인 레이블링 작업을 필요로 하므로, 차량 추출을 위해 자동 무감독 인스턴스 세그멘테이션을 수행하는 방법에 대한 연구가 필요하다. 따라서 본 연구에서는 드론 영상의 차량 경계 박스에 대해 무감독 SVM 분류 기반의 차량 추출 기법을 제안하였다. 연구 결과, 차량을 89% 정확도로 추출할 수 있음을 확인하였으며 차량 내의 분광 특성이 크게 다른 경우에도 차량을 추출할 수 있음을 확인하였다.

• 대한원격탐사학회지
• /
• 제17권1호
• /
• pp.57-69
• /
• 2001

본 연구는 무감독 영상분류를 위하여 공간지역 확장을 통하여 영상을 분할한 후 분할된 집단을 한정된 수의 클래스로 분류하는 다중단계 기법을 제안하고 있다. 제안된 알고리듬은 무감독 분석을 위하여 작은 집단들을 단계적으로 큰 집단들로 합병해 가는 계층집단연결 기법에 기반을 두고 있다. 다중단계 기법의 영상분할 단계는 공간적으로 근접하고 있는 이웃지역간의 결합을 통하여 최종적으로 전체영상 공간내의 모든 집단에 대해서 서로 이웃하고 있는 집단들의 물리적 특성이 서로 다르도록 영상을 분할하는 과정이고, 영상분류 단계는 결합 지역의 공간적 제약 없이 영상 분할 단계에서 분할된 지역을 상대적으로 적은 수의 클래스로 분류하는 과정이다. 제안 된 알고리듬에서 사용하고 있는 계층집단연결 기법의 계산/기억 상의 복잡성을 완화시키기 위해 상호최근사 이웃쌍과 다중창 작업을 사용하고 있다. 모의 자료를 사용하여 제단 된 알고리듬 대한 평가와 효율성을 검증하였고 경기도 용인.능평지역의 LANDSAT ETM+ 자료에 적용한 결과를 예시하고 있다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제7권12호
• /
• pp.3274-3292
• /
• 2013

Unsupervised methods for image segmentation are recently drawing attention because most images do not have labels or tags. A topic model is such an unsupervised probabilistic method that captures latent aspects of data, where each latent aspect, or a topic, is associated with one homogeneous region. The results of topic models, however, usually have noises, which decreases the overall segmentation performance. In this paper, to improve the performance of image segmentation using topic models, we propose two topic masks applicable to topic assignments of homogeneous regions obtained from topic models. The topic masks capture the noises among the assigned topic assignments or topic labels, and remove the noises by replacements, just like image masks for pixels. However, as the nature of topic assignments is different from image pixels, the topic masks have properties that are different from the existing image masks for pixels. There are two contributions of this paper. First, the topic masks can be used to reduce the noises of topic assignments obtained from topic models for image segmentation tasks. Second, we test the effectiveness of the topic masks by applying them to segmented images obtained from the Latent Dirichlet Allocation model and the Spatial Latent Dirichlet Allocation model upon the MSRC image dataset. The empirical results show that one of the masks successfully reduces the topic noises.

• 대한원격탐사학회:학술대회논문집
• /
• 대한원격탐사학회 2006년도 Proceedings of ISRS 2006 PORSEC Volume I
• /
• pp.188-190
• /
• 2006

A multistage hierarchical clustering technique, which is an unsupervised technique, was suggested in this paper for classifying large remotely-sensed imagery. The multistage algorithm consists of two stages. The local segmentor of the first stage performs regiongrowing segmentation by employing the hierarchical clustering procedure of CN-chain with the restriction that pixels in a cluster must be spatially contiguous. This stage uses a sliding window strategy with boundary blocking to alleviate a computational problem in computer memory for an enormous data. The global segmentor of the second stage has not spatial constraints for merging to classify the segments resulting from the previous stage. The experimental results show that the new approach proposed in this study efficiently performs the segmentation for the images of very large size and an extensive number of bands

• 대한원격탐사학회지
• /
• 제20권3호
• /
• pp.215-225
• /
• 2004

A multistage hierarchical clustering technique, which is an unsupervised technique, was suggested in this paper for classifying large remotely-sensed imagery. The multistage algorithm consists of two stages. The 'local' segmentor of the first stage performs region-growing segmentation by employing the hierarchical clustering procedure of CN-chain with the restriction that pixels in a cluster must be spatially contiguous. The 'global' segmentor of the second stage, which has not spatial constraints for merging, clusters the segments resulting from the previous stage, using the conventional agglomerative approach. Using simulation data, the proposed method was compared with another hierarchical clustering technique based on 'mutual closest neighbor.' The experimental results show that the new approach proposed in this study considerably increases in computational efficiency for larger images with a low number of bands. The technique was then applied to classify the land-cover types using the remotely-sensed data acquired from the Korean peninsula.

• 대한원격탐사학회지
• /
• 제37권2호
• /
• pp.257-274
• /
• 2021

고해상도 원격탐사 영상의 객체기반 분석에서 영상분할의 결과는 매우 중요한 부분이지만, 영상분할품질의 평가는 간과되고 있다. 본 연구에서는 영상분할의 최적 매개변수를 구하기 위한 실용적이고 효율적인 방법을 제시하고자 한다. 영상분할 평가는 크게 무감독 평가, 감독 평가, 그리고 시각적 판독에 의한 정성적 평가로 나눈다. 인천대공원 무인기 다중분광영상에서 추출한 도시 지역과 산림을 대상으로 세 가지 영상분할 평가 방법을 비교하였다. 영상분할 평가 방법은 계산 및 적용의 효율성에 따라 차이가 있지만, 표본영상에 대한 평가 결과 도출된 최적의 매개변수는 세 평가 방법에서 거의 동일하게 나타났다. 영상분할 평가를 통하여 도출된 최적의 매개변수는 도시영상과 산림영상에서 다르게 나타났다. 세 가지 조각 내부변이 척도(V, WV, COV)와 세 가지 조각간 이질성 척도(MI, BSH, DTNP)의 조합을 적용한 무감독 평가로 선정한 최적의 매개변수는 거의 같았다. 무감독 평가를 위한 척도마다 처리 과정의 난이도는 다르지만, 실험에 적용된 여러 종류의 척도는 대부분 동일한 성능을 보여주었다. 감독 평가 방법은 참조자료를 구성하는 과정에서 분석자의 주관으로 편향될 가능성이 있지만, 특정 공간객체를 탐지하는 데 간편하게 적용할 수 있다. 정성적 평가는 무감독 및 감독 평가 결과와 일치했다.

• 한국정보처리학회논문지
• /
• 제7권1호
• /
• pp.286-295
• /
• 2000

본 논문은 MR 영상의 비지도 분할을 위하여 MDL원리를 이용한 통계적 모델기반의 적응적 방법을 제안한다. 이 방법에서 조직 영역을 MRF로 모델링함으로써 잡음에 대응하고, 창으로 정의되는 국소영역 내의 밝기값을 가우스 혼합으로 모델링함으로써 영상의 비균일성을 흡수한다. 분할 알고리즘은 ICM을 기반으로 하며 MAP를 근사적으로 추정하고, 모델 파라미터를 국소영역으로부터 구한다. 파라미터 추정과 분할을 위한 창의 크기는 MDL원리를 이용하여 영상으로부터 추정한다. 실험에서 제안한 방법이 특히 비균일성이 있는 MR영상의 분할에서 국소영역의 영상특성을 잘 반영하였으며, 기존의 방법보다 더 좋은 결과를 보여주었다.