[논문 리뷰] Automatic Leaf Extraction from Outdoor Images

Nantheera Anantrasirichai, Sion Hannuna외 1명|arXiv (Cornell University)|2017. 09. 19.

Smart Agriculture and AI참고 문헌 9인용 수 10

한 줄 요약

이 논문은 복잡한 배경과 변동성이 큰 조명 조건에도 불구하고 우수한 성능을 발휘하기 위해 혈관 구조, 색상, 강도 및 질감 특징을 활용하여 실외 이미지에서 자동으로 잎을 추출하는 강건한 방법을 제안한다. 분할 기반으로 워터셰드 및 그래프 컷 알고리즘을 결합하고 주요/보조 혈관 검출 및 노치-凸연 구조 보정을 통해 기존 방법에 비해 뛰어난 성능을 달성한다. 실외 환경에서의 실제 데이터를 대상으로 한 실험에서 성능이 뛰어나다.

ABSTRACT

Automatic plant recognition and disease analysis may be streamlined by an image of a complete, isolated leaf as an initial input. Segmenting leaves from natural images is a hard problem. Cluttered and complex backgrounds: often composed of other leaves are commonplace. Furthermore, their appearance is highly dependent upon illumination and viewing perspective. In order to address these issues we propose a methodology which exploits the leaves venous systems in tandem with other low level features. Background and leaf markers are created using colour, intensity and texture. Two approaches are investigated: watershed and graph-cut and results compared. Primary-secondary vein detection and a protrusion-notch removal are applied to refine the extracted leaf. The efficacy of our approach is demonstrated against existing work.

연구 동기 및 목표

• 복잡한 배경을 지닌 혼잡한 자연 실외 이미지에서 잎을 분할하는 데 도전하는 것.
• 변동하는 조명 조건과 시야 각도에서 잎 추출 정확도를 향상시키는 것.
• 완전하고 고립된 잎을 식물 식별 및 병해 분석을 위한 입력으로 분리하기 위한 강건한 자동화된 파이프라인을 개발하는 것.
• 워터셰드 및 그래프 컷 분할 전략의 성능을 비교하고 평가하는 것.
• 혈관 검출 및 기하학적 특징 제거(노치/凸연 보정)를 통해 분할 결과를 보완하는 것.

제안 방법

• 분할을 위한 배경 및 잎 마커 생성을 위해 색상, 강도 및 질감 특징을 사용한다.
• 실외 이미지에서 잎을 분할하기 위해 워터셰드 및 그래프 컷 알고리즘을 모두 적용한다.
• 이미지 처리 기법을 활용해 주요 및 보조 혈관 구조를 검출하여 분할을 안내한다.
• 최종 잎 윤곽을 정밀하게 다듬기 위해 돌출부 및 노치 제거를 수행한다.
• 저수준의 시각적 특징과 구조적 잎 정보(혈관 구조)를 융합하여 분할의 강건성을 향상시킨다.
• 실제 실외 데이터셋을 사용하여 기존 방법과의 성능를 검증한다.

실험 결과

연구 질문

• RQ1 어떻게 혈관 구조를 효과적으로 활용하여 복잡한 실외 환경에서의 잎 분할 성능을 향상시킬 수 있는가?
• RQ2 어떤 분할 전략—워터셰드 또는 그래프 컷—가 도전적인 실외 조건에서 더 우수한 성능를 보이는가?
• RQ3 색상, 강도 및 질감 특징이 정확한 잎 마커 생성에 얼마나 기여하는가?
• RQ4 혈관 검출과 기하학적 보정의 조합이 분할 정확도 향상에 얼마나 효과적인가?
• RQ5 제안된 방법이 실외 실재 이미지에서 기존의 잎 추출 기법을 초월할 수 있는가?

주요 결과

• 제안된 방법은 실외 이미지에서 기존 방법에 비해 뛰어난 분할 정확도를 달성한다.
• 그래프 컷 분할이 복잡한 배경 처리 및 잎 윤곽 유지에서 워터셰드를 능가한다.
• 혈관 구조 검출을 통합함으로써 변동하는 조명 조건과 시점에서의 분할 강건성이 크게 향상된다.
• 돌출부 및 노치 제거 기법은 최종 잎 마스크의 정확도를 높여 거짓 양성 결과를 효과적으로 줄인다.
• 색상, 강도 및 질감 특징의 통합은 마커 생성을 향상시켜 더 정확한 분할을 이끈다.
• 다양한 실외 데이터셋에서 뛰어난 성능을 보이며, 실제 환경 조건에서의 강건성을 입증한다.