[논문 리뷰] Automatic Color Image Segmentation Using a Square Elemental Region-Based Seeded Region Growing and Merging Method

Hisashi Shimodaira|arXiv (Cornell University)|2017. 11. 26.

Advanced Image and Video Retrieval Techniques참고 문헌 29인용 수 3

한 줄 요약

이 논문은 픽셀 대신 정사각형 요소 영역을 처리 단위로 사용하여 빠르고 안정적인 자동 컬러 이미지 분할 방법을 제안한다. 강화된 기울기를 기반으로 한 시드 영역 성장, 타allis 엔트로피 기반 균일도 거리에 기반한 영역 융합, 그리고 추정된 영역 수를 이용한 종료 조건을 적용하여 다양한 자연 이미지에서 일관되고 고품질의 분할 결과를 동일한 파rameter 설정으로 달성한다.

ABSTRACT

This paper presents an efficient automatic color image segmentation method using a seeded region growing and merging method based on square elemental regions. Our segmentation method consists of the three steps: generating seed regions, merging the regions, and applying a pixel-wise boundary determination algorithm to the resultant polygonal regions. The major features of our method are as follows: the use of square elemental regions instead of pixels as the processing unit, a seed generation method based on enhanced gradient values, a seed region growing method exploiting local gradient values, a region merging method using a similarity measure including a homogeneity distance based on Tsallis entropy, and a termination condition of region merging using an estimated desired number of regions. Using square regions as the processing unit substantially reduces the time complexity of the algorithm and makes the performance stable. The experimental results show that our method exhibits stable performance for a variety of natural images, including heavily textured areas, and produces good segmentation results using the same parameter values. The results of our method are fairly comparable to, and in some respects better than, those of existing algorithms.

연구 동기 및 목표

• 다양한 이미지 유형에 걸쳐 효율적이고 강건한 자동 컬러 이미지 분할 방법을 개발하기 위해.
• 처리 단위로 개별 픽셀 대신 정사각형 요소 영역을 사용하여 시간 복잡도를 감소시키고 안정성을 향상시키기 위해.
• 다양한 이미지, 특히 무거운 무늬를 가진 이미지에서도 동일한 파rameter 설정으로 일관된 분할 성능을 달성하기 위해.
• 타allis 엔트로피에 기반한 새로운 영역 융합 전략을 도입하여 균일도 측정을 향상시키기 위해.
• 추정된 영역 수를 기반으로 한 종료 조건을 통합하여 분할 결과의 조절 가능성을 높이기 위해.

제안 방법

• 시간 복잡도를 감소시키기 위해 이미지를 개별 픽셀 대신 정사각형 요소 영역(예: 3×3 또는 5×5 픽셀 블록)으로 처리한다.
• 초기 균일 영역를 식별하기 위해 강화된 기울기 값에 기반한 시드 영역을 생성한다.
• 지역 기울기 값을 기반으로 시드를 확장하여 영역의 균일성을 유지하면서 영역 성장을 수행한다.
• 타allis 엔트로피에서 유도된 균일도 거리로 구성된 유사도 측정 기반으로 영역 융합을 이끈다.
• 영역 수가 추정된 목표 값에 도달할 때까지 융합 과정을 수행하여 분할의 해상도를 제어한다.
• 최종 다각형 영역에 픽셀 단위의 경계 결정 알고리즘을 적용하여 분할 경계를 정밀하게 보정한다.

실험 결과

연구 질문

• RQ1 픽셀 대신 정사각형 요소 영역을 사용할 경우 시간 복잡도를 크게 감소시킬 수 있으며, 분할 정확도는 유지되는가?
• RQ2 강화된 기울기 기반 시드 생성 방법이 다양한 이미지에서 의미 있는 초기 영역을 효과적으로 식별하는가?
• RQ3 기존의 유사도 측정 방법에 비해 타allis 엔트로피 기반 균일도 거리가 영역 융합에 얼마나 향상되는가?
• RQ4 추정된 영역 수를 기반으로 한 종료 조건이 안정적이고 예측 가능한 분할 결과를 도출할 수 있는가?
• RQ5 기존 알고리즘과 비교해 복잡한 무늬를 가진 자연 이미지에서 제안된 방법의 성능은 어떠한가?

주요 결과

• 정사각형 요소 영역의 사용은 시간 복잡도를 상당히 감소시켜 정확도를 훼손하지 않은 채 더 빠른 처리를 가능하게 한다.
• 동일한 파rameter 설정을 사용함에도 불구하고, 다양한 자연 이미지, 특히 무거운 무늬를 가진 이미지에서도 안정적인 분할 성능을 달성한다.
• 기존의 영역 성장 및 융합 알고리즘과 비교해 비교적 유사하거나 일부 경우에서 더 우수한 분할 결과를 얻는다.
• 타allis 엔트로피 기반 균일도 거리는 영역 유사도를 효과적으로 캡처하여 더 정확한 영역 융합에 기여한다.
• 목표 영역 수를 기반으로 한 종료 조건은 제어 가능하고 예측 가능한 분할 결과를 제공한다.
• 최종 픽셀 단위의 경계 결정 단계는 경계 정확도를 향상시켜 더 선명하고 정밀한 분할 경계를 만들어낸다.