[논문 리뷰] An Unsupervised Dynamic Image Segmentation using Fuzzy Hopfield Neural Network based Genetic Algorithm

Amiya Halder, Soumajit Pramanik|arXiv (Cornell University)|2012. 05. 30.

Remote-Sensing Image Classification참고 문헌 15인용 수 3

한 줄 요약

이 논문은 밀도 및 공간적 이웃 정보를 활용하여 회색조 이미지를 자동으로 분할하는 비지도 동적 이미지 분할 방법을 제안한다. 퍼지 히프스필 뉴럴 네트워크(FHNN) 기반 유전 알고리즘(GA)을 사용하며, FHNN는 GA의 초기 집단을 생성하고 타당성 지표는 최적의 분할 수를 결정하여 단일 및 다중 기능 이미지에서 높은 품질의 분할 결과를 얻는 데 성공한다.

ABSTRACT

This paper proposes a Genetic Algorithm based segmentation method that can automatically segment gray-scale images. The proposed method mainly consists of spatial unsupervised grayscale image segmentation that divides an image into regions. The aim of this algorithm is to produce precise segmentation of images using intensity information along with neighborhood relationships. In this paper, Fuzzy Hopfield Neural Network (FHNN) clustering helps in generating the population of Genetic algorithm which there by automatically segments the image. This technique is a powerful method for image segmentation and works for both single and multiple-feature data with spatial information. Validity index has been utilized for introducing a robust technique for finding the optimum number of components in an image. Experimental results shown that the algorithm generates good quality segmented image.

연구 동기 및 목표

• 사전 레이블링 없이 이미지 구성 요소의 수를 자동으로 결정할 수 있는 비지도 이미지 분할 기법을 개발하는 것.
• 강도 기반 군집화에 공간적 이웃 관계를 통합하여 분할 정확도를 향상시키는 것.
• 퍼지 히프스필 뉴럴 네트워크(FHNN)를 사용하여 유전 알고리즘(GA)의 다양하고 의미 있는 초기 집단을 생성하는 것.
• 이미지 내용에 대한 사전 지식 없이도 최적의 분할 수를 안정적으로 추정할 수 있는 타당성 지표를 도입하는 것.
• 일반화성과 효과성을 입증하기 위해 단일 및 다중 기능 회색조 이미지에서 이 방법을 평가하는 것.

제안 방법

• 이 방법은 퍼지 히프스필 뉴럴 네트워크(FHNN)를 사용하여 초기 군집화를 수행하고 유전 알고리즘(GA)의 초기 집단을 생성한다.
• GA는 군집 중심과 소속도 값을 내부 군집의 응집도와 외부 군집 간 분리도를 기반으로 한 적합도 함수를 사용하여 진화시킨다.
• 공간적 이웃 관계를 적합도 함수에 통합하여 국소 이미지 구조를 유지함으로써 분할 정확도를 향상시킨다.
• 타당성 지표로는 특정히 시에-벤니 지표(Xie-Beni index)를 사용하여 최적의 군집 수를 평가하고 자동으로 선택한다.
• 알고리즘은 수렴할 때까지 군집 할당과 파라미터를 반복적으로 개선하여 분할된 이미지 출력을 생성한다.
• 이 방법은 회색조 이미지에 적용되며, 공간적 맥락을 고려한 단일 및 다중 기능 데이터를 모두 처리하도록 설계되어 있다.

실험 결과

연구 질문

• RQ1 하이브리드 GA-FHNN 접근법은 강도 및 공간 정보만을 사용하여 회색조 이미지의 정확한 비지도 분할을 달성할 수 있는가?
• RQ2 퍼지 히프스필 뉴럴 네트워크는 이미지 분할에서 GA의 다양하고 의미 있는 초기 집단을 얼마나 효과적으로 생성할 수 있는가?
• RQ3 강도 기반 방법과 비교할 때 공간적 이웃 관계를 통합하는 것이 분할 품질 향상에 얼마나 효과적인가?
• RQ4 이미지 내용에 대한 사전 지식 없이도 타당성 지표가 최적의 군집 수를 신뢰성 있게 결정할 수 있는가?
• RQ5 제안된 방법은 다수의 기능이나 복잡한 강도 분포를 가진 이미지에서 어떻게 성능을 발휘하는가?

주요 결과

• 제안된 방법은 강도 및 공간적 이웃 정보만을 사용하여 의미 있는 영역으로 회색조 이미지를 성공적으로 분할한다.
• 적합도 함수에 공간 정보를 통합함으로써 분할 정확도 향상과 경계 유지에 상당한 기여가 있었다.
• 퍼지 히프스필 뉴럴 네트워크(FHNN)는 다양하고 의미 있는 초기 집단을 효과적으로 생성하여 GA의 수렴성과 강건성을 향상시켰다.
• 타당성 지표를 통해 최적의 군집 수를 자동으로 안정적으로 결정할 수 있어 수동 입력이 필요 없어졌다.
• 실험 결과는 높은 품질의 분할 출력을 보여주었으며, 시각적 및 정량적 증거가 모두 방법의 효과성을 뒷받침했다.
• 이 방법은 단일 기능 이미지뿐 아니라 다중 기능 이미지도 잘 일반화하여 다양한 이미지 유형에 대해 뛰어난 적응성을 보였다.