[논문 리뷰] A Variation of the Box-Counting Algorithm Applied to Colour Images

N. S. Nikolaidis, Ioannis Nikolaidis외 1명|arXiv (Cornell University)|2011. 07. 12.

Image Retrieval and Classification Techniques참고 문헌 10인용 수 14

한 줄 요약

이 논문은 색상 이미지를 5차원 데이터 세트(x, y, R, G, B)로 간주함으로써 색상 이미지의 프랙탈 차원을 추정하기 위한 상자 세기 알고리즘의 빠르고 확장 가능한 변형인 박스 병합 방법을 소개한다. 동일한 공간-색상 분할을 병합함으로써 계산 시간을 단축하고 O(M)의 시간 복잡도를 달성하며, 시험 이미지와 실제 그림에서 2에서 5 사이의 프랙탈 차원을 정확하게 측정한다. 결과는 합성 이미지와 예술적 이미지에서 검증되었다.

ABSTRACT

The box counting method for fractal dimension estimation had not been applied to large or colour images thus far due to the processing time required. In this letter we present a fast, easy to implement and very easily expandable to any number of dimensions variation, the box merging method. It is applied here in RGB images which are considered as sets in 5-D space.

연구 동기 및 목표

• 큰 크기이거나 색상 이미지에 상자 세기 알고리즘을 적용할 때 발생하는 높은 계산 비용을 해결하기 위해.
• 다양한 차원의 데이터, 특히 색상 이미지에 대한 빠르고 확장 가능하며 쉽게 확장 가능한 프랙탈 차원 추정 방법을 개발하기 위해.
• 알려진 프랙탈 차원을 가진 합성 이미지와 실제 그림에 대해 방법을 검증하여 정확성과 적용 가능성의 입증을 위해.
• 차분 상자 세기와 같은 근사치를 제거하고 전체 색상 이미지에서 정확하고 효율적인 계산을 가능하게 하기 위해.

제안 방법

• 각 픽셀을 5차원 공간(x, y, R, G, B)의 점으로 간주하여 이미지를 5차원 데이터 세트로 매핑한다.
• 동일한 (x, y, R, G, B) 조합을 갖는 유일한 조합의 분할 테이블을 구성함으로써 중복 처리를 줄인다.
• 각 상자 크기 s = 2^ν에 대해, 알고리즘은 분할 테이블을 한 번 스캔하여 비어 있지 않은 상자 수 n을 세며, 이로 인해 O(M) 시간 복잡도를 달성한다.
• 프랙탈 차원 D는 log n 대 log s 그래프의 기울기로 계산되며, 고해상도 노이즈를 제거하기 위해 0.9 log₂(LxLy)에서 히우리스틱 커팅을 적용한다.
• 이전에 정렬하고 중복 제거한 분할 테이블을 사용함으로써 전체 이미지를 반복적으로 스캔할 필요 없이 처리한다.
• 분할 테이블에 새로운 색상 또는 기능 채널을 추가함으로써 임의의 차원 수에 쉽게 확장할 수 있다.

실험 결과

연구 질문

• RQ1 수정된 상자 세기 알고리즘이 근사치 없이 전체 색상 이미지에서 프랙탈 차원을 효율적으로 추정할 수 있는가?
• RQ2 박스 병합 방법은 차분 상자 세기와 같은 기존 기법과 비교해 속도와 정확성 측면에서 어떻게 다른가?
• RQ3 5차원 집합으로 간주할 때 색상 이미지에서 측정 가능한 프랙탈 차원의 범위는 무엇인가?
• RQ4 정의된 기하학적 구조를 가진 합성 이미지에서 이 방법이 알려진 프랙탈 차원을 정확하게 복원할 수 있는가?
• RQ5 이 알고리즘은 실제 예술적 이미지에 대해 의미 있는 프랙탈 차원 값을 산출하는가?

주요 결과

• 박스 병합 알고리즘은 O(M) 시간 복잡도를 달성하여 이중 코어 32비트 시스템에서 1메가픽셀당 약 5초 내로 처리되며, 표준 상자 세기보다 훨씬 빠르다.
• 이 방법은 5차원 선에서 D = 1, 5차원 공간 내 2차원 평면에서 D = 2, 완전한 무작위 색상 노이즈에서 D = 5를 정확하게 측정하여 정확성을 검증한다.
• 실제 그림에서는 레오나르도 다 빈치에서 D = 2.45, 칸딘스키에서 D = 3.25, 모네에서 D = 3.66, 폴락에서 D = 4.18을 측정하여 복잡성 증가를 반영한다.
• 0.9 log₂(LxLy)에서 히우리스틱 커팅이 고해상도 노이즈를 효과적으로 제거하면서 log n-log s 기울기의 왜곡 없이 작용한다.
• 메모리 사용량은 픽셀당 7바이트(공간 좌표용 2바이트, 각 색상 채널용 1바이트)로 대규모 이미지에 대해서도 실현 가능하다.
• 분할 테이블에 새로운 성분을 추가함으로써 임의의 차원 수에 쉽게 확장 가능하다.