본문 바로가기
KERD
논문KCI 등재

명암도 조절을 통한 베이스 분류기 기반 영상분할기법

Image segmentation based on Bayes classifier with intensity adjusting

이상철|신병석|이현규|최민국
한국차세대컴퓨팅학회 (KINGComputing)|2012.10|한국차세대컴퓨팅학회 논문지 (The Journal of Korean Institute of Next Generation Computing)|제8권 제5호|pp. 73-86

1

조회

0

다운로드

8

인용

0

참고문헌

키워드

자기공명영상영상분할Image SegmentationMRISEM 영상베이스 분류기SEM ImageBayes classifier
주제분류컴퓨터학

초록

본 논문은 패턴인식, 기계학습 분야에서 널리 쓰이는 베이지안 추정 이론에 근거한 가우시안 베이스 분류기와 나이브 베이스 분류기를 활용하여 명암도 조절 기법이 적용된 영상의 자동 분할을 수행하였다. 각 분야 영상에 대한 시각적 특징의 독립성을 확보하는 동시에 효과적인 픽셀별 영역 분할을 달성하기 위해 명암의 밝기만을 입력 데이터로 사용하였으며, 가능도(likelihood)분석을 통해 명암도 기반의 특징 벡터의 유효성을 검증하였다. 이를 기반으로 명암 대비 스트레칭을 적용한 영상의 가능도 선형판별도와 오류 상한, 분류 정확도의 관계분석 실험을 수행하였다. 추가적으로 베이스 분류기에서 나타나는 낮은 사전확률에 대한 고려를 위해 비정보적 나이브 베이스 분류기에 대한 비교실험을 하였으며, 근사모델의 정확도 평가방법(Cross Validation)을 활용한 최종 실험을 수행하여 두 응용분야 영상에 대한 높은 정확도의 분할 결과를 달성하였다.

Abstract

In this paper, we propose an image segmentation method using the contrast stretching by Gaussian Bayes and Naive Bayes classifiers. The proposed method is applied to two different applications, such as the magnetic resonance image (MRI) and the scanning electron microscope (SEM) image. To achieve effective results of the image segmentation in each domain, we use the intensity of each pixel as a single-dimension feature, and perform the analysis over classification accuracy, linear discriminant and an error bound. Moreover, we perform the experiments to compare the informative and the non-informative Naive Bayes classifier to overcome an extreme condition where density of pixel intensities has a low prior probability. Finally, we evaluate proposed method with k-fold cross-validation, and achieve accurate results in each domain.

참고문헌 (23)

  1. L. Lucchese, "Color image segmentation: A state-of-art survey", Proceedings of the Indian National Science Academy, 67-A, pp.207~221 (2001)
  2. J. Shi, "Normalized cuts and image segmentation", IEEE Transactions on Pattern Analysis and Machine Intelligence, 22(8), pp.888~905 (2000)
  3. Y. Boykov, "Fast approximate energy minimisation via graph cuts", IEEE Transactions on Pattern Analysis and Machine Intelligence, 29, pp.1222~1239 (2001)
  4. A. K. Sinop, "A Seeded Image Segmentation Framework Unifying Graph Cuts and Random Walker Which Yields A New Algorithm", Proc. of ICCV (2007)
  5. N. Lerme, "Reducing graphs in graph cut segmentation", Proc. of ICIP (2010)
  6. 김일영, "RSSI 핸드오버 기법 이용한 실내 위치 인식 시스템 개발", 한국차세대컴퓨팅학회 논문지, 7(3), pp.39~46 (2011), 한국차세대컴퓨팅학회
  7. 정민우, "Statistical Spoken Language Understanding for Human-Computer Dialog System", 한국차세대컴퓨팅학회 논문지, 4(1), pp.40~48 (2008), 한국차세대컴퓨팅학회
  8. E. Sifakis, "Bayesian level sets for image segmentation", Journal of Visual Communication and Image Representation, 13, pp.44~64 (2002)
  9. M. A. T. Figueiredo, "Bayesian image segmentation using wavelet-based priors", Proc. of CVPR (2005)
  10. P. Orbanz, "Nonparametric Bayesian image segmentation", International Journal of Computer Vision, 77, pp.25~45 (2008)
  11. C. Nikou, "A Bayesian framwork for image segmentationwith spatially varying mixtures", IEEETransactions on Image Processing, 19(9), pp.2278~2289 (2010)
  12. Robert A. Novelline, "Squire's fundamentals of radiology, 5th ED" (1997), Harvard University Press
  13. Jagath C. Rajapakse, "Segmentation of MR images with intensityinhomogeneities", Image and Vision Computing, 16(3), pp.165~180 (1998)
  14. L. Chiristopher, "Bayesian segmentation of three dimensional image using the EM", MPM algorithm, Purdue University, 2003
  15. J. Xu, "Bayesian cosegmentation of multiple MR images", IEEE International Symposium on Biomedical Imaging: From Nano to Macro (2009)
  16. 문창배, "심장 자기공명영상에서 방사형 임계치 결정법을 통한 좌심실 분할 알고리즘", 정보과학회논문지 : 소프트웨어 및 응용, 36(10), pp.825~835 (2009), 한국정보과학회
  17. 김신홍, "의료영상 콘텐츠의 뇌 MR 영상 반자동 영역 분할 알고리즘", 한국콘텐츠학회 논문지, 5(3), pp.45~51 (2005), 한국콘텐츠학회
  18. M. J. Abdollahifard, "Applied Surface Science", Applied Surface Science, 257, pp.10443~10450 (2011)
  19. S. M. Tempfli, "Characterization of nanopores ordering inanodic alumina", Thin Solid Films, 516, pp.3735~3740 (2008)
  20. Y. Zhu, "Pore structure analysis on activated carbon fibers-by cluster and watershed transform method", Applied Surface Science, 256, pp.587~592 (2009)
  21. Y. Zhu, "SEM microscope image segmentation based on Markov field models", Fifth International Conference on Image and Graphics (2009)
  22. 이우, "Quantitative analysis of the gram morphology in self-assembled hexagonal lattices", ACS NANO, 2(5), pp.913~920, AMER CHEMICAL SOC
  23. Richard O. Duda, "Pattern Classification, 2nd ED" (2000), Wiley-Interscience

관련 논문AI추천

클러스터링 알고리즘의 후처리 방안과 분할된 영역들의 분류에 대한 연구김보람, 김욱현, 오준택한국정보처리학회 · 정보처리학회 논문지2009 · 제16권 제1호FISH 세포영상에서의 군집세포 분할 기법고병철, 남재열, 정미라한국정보처리학회 · 정보처리학회 논문지2009 · 제16권 제2호볼륨영상 분할을 위한 새로운 레벨 셋 방법과 기존 방법의 성능비교김선월, 김수형, 이명은, 조완현, 진연연한국정보처리학회 · 정보처리학회 논문지2011 · 제18권 제3호야간 영상 감시를 위한 GMM기반의 배경 차분여정연, 이귀상(사)한국스마트미디어학회 · 스마트미디어저널2015 · 제4권 제3호균등거리 기준 조명 맵과 색 상관성을 이용한 조명 색도 추정김정엽한국정보처리학회 · 정보처리학회 논문지2023 · 제12권 제6호영상의 히스토그램 군집화에 의한 영상 대비 향상이기환, 조석제, 홍석근한국융합신호처리학회 · 융합신호처리학회 논문지2009 · 제10권 제4호

이 간행물의 다른 논문 (7건)

영상 대비와 특징추출 알고리즘 성능평가의 관계 분석이현규, 이상철, 최민국, 김경율pp. 6-20스마트폰 환경에서의 사용자 행동기록을 위한 수집주기 최적화배창석, 권용진, 강규창, 허성욱pp. 21-31A New IFMA MAC Protocol for Enhancing Intra-class Fairness in IEEE 802.11e Networks신석주, Nipun Tamrakarpp. 32-39Network Address Translator 모델들의 Hole punching 기술 지원에 관한 성능분석유정현, 박태현, 김하영, 권구인pp. 40-49S-100 표준 기반 국제수로 데이터 저장을 위한 피처개념사전 저장소박준석, 염근혁, 문미경pp. 49-59
원문 보기