[논문 리뷰] SAR Image Segmentation using Vector Quantization Technique on Entropy Images

H. B. Kekre, Saylee Gharge외 1명|arXiv (Cornell University)|2010. 04. 11.

Synthetic Aperture Radar (SAR) Applications and Techniques참고 문헌 35인용 수 14

한 줄 요약

이 논문은 엔트로피 영상에 벡터量子화를 적용한 새로운 SAR 영상 분할 방법을 제안한다. 엔트로피 변환된 SAR 영상에 Kekre의 빠른 코드북 생성(KFCG) 알고리즘을 적용하여 128-코드북을 생성하고, 이를 추가로 8개의 클러스터로 분할함으로써, 기존의 회색 수준 공존 행렬(GLCM) 방법에 비해 계산 복잡도가 감소한 시각적으로 일관되고 오버-또는 언더-세그먼테이션을 방지한 결과를 도출한다.

ABSTRACT

The development and application of various remote sensing platforms result in the production of huge amounts of satellite image data. Therefore, there is an increasing need for effective querying and browsing in these image databases. In order to take advantage and make good use of satellite images data, we must be able to extract meaningful information from the imagery. Hence we proposed a new algorithm for SAR image segmentation. In this paper we propose segmentation using vector quantization technique on entropy image. Initially, we obtain entropy image and in second step we use Kekre's Fast Codebook Generation (KFCG) algorithm for segmentation of the entropy image. Thereafter, a codebook of size 128 was generated for the Entropy image. These code vectors were further clustered in 8 clusters using same KFCG algorithm and converted into 8 images. These 8 images were displayed as a result. This approach does not lead to over segmentation or under segmentation. We compared these results with well known Gray Level Co-occurrence Matrix. The proposed algorithm gives better segmentation with less complexity.

연구 동기 및 목표

• 대규모 SAR 영상 데이터베이스에 대한 효율적이고 의미 있는 분석 증가 수요를 해결하기 위해.
• 기존의 분할 방법이 SAR 영상의 스펙클 노이즈와 복잡한 무늬를 다루는 데에 한계를 보이고 있는 문제를 해결하기 위해.
• 오버-또는 언더-세그먼테이션을 방지하는 저복잡도이면서 강건한 분할 기법을 개발하기 위해.
• 기존의 방법들, 예를 들어 회색 수준 공존 행렬(GLCM)과 비교하여 분할 정확도와 효율성을 향상시키기 위해.
• 향상된 특징 추출을 통해 인공위성 영상 데이터베이스의 효과적인 콘텐츠 기반 쿼리 및 브라우징을 가능하게 하기 위해.

제안 방법

• 입력된 SAR 영상에서 엔트로피 영상을 계산하여 무늬와 밝기 변화를 강조한다.
• 엔트로피 영상에 Kekre의 빠른 코드북 생성(KFCG) 알고리즘을 적용하여 크기가 128인 코드북을 생성한다.
• 128개의 코드 벡터를 동일한 KFCG 알고리즘을 사용하여 8개의 서로 다른 클러스터로 분할한다.
• 각 클러스터를 이진 영상으로 매핑하여 총 8개의 세그먼테이션 결과 영상을 도출한다.
• 벡터 양자화를 활용하여 엔트로피 기반 영상 영역을 효율적으로 유사성 기반으로 군집화한다.
• 엔트로피 기반 특징 표현과 최적화된 코드북 생성에 기반하여 오버-또는 언더-세그먼테이션을 방지한다.

실험 결과

연구 질문

• RQ1 엔트로피 기반 영상 변환은 SAR 영상의 분할 성능 향상에 기여하는가?
• RQ2 엔트로피 영상에 KFCG를 사용한 벡터 양자화는 정확도를 유지하면서도 분할 복잡도를 감소시키는가?
• RQ3 제안된 방법은 분할 품질과 계산 부하 측면에서 GLCM 기반 방법과 비교해 어떻게 성능을 내는가?
• RQ4 세그먼테이션 결과는 오버-또는 언더-세그먼테이션 없이 8개의 구분된 영상으로 효과적으로 시각화될 수 있는가?
• RQ5 제안된 방법은 SAR 영상의 스펙클 노이즈와 무늬 변화에 대해 강건한가?

주요 결과

• 제안된 방법은 오버-또는 언더-세그먼테이션 없이 SAR 영상에서 8개의 구분된 세그먼테이션 영상을 성공적으로 생성한다.
• 세그먼테이션 결과는 GLCM 기반 접근 방식과 비교해 향상된 시각적 일관성과 구조적 충실도를 보인다.
• 엔트로피 영상의 사용은 무늬와 밝기 변화를 강조하여 분할을 위한 특징 표현을 향상시킨다.
• KFCG 알고리즘은 계산 복잡도를 감소시킨 채로 효율적인 코드북 생성을 가능하게 한다.
• 유명한 회색 수준 공존 행렬 기법보다도 더 나은 분할 성능과 낮은 복잡도를 달성한다.
• 최종 출력은 클러스터링된 코드북 벡터에서 유도된 8개의 세그먼테이션 영상로 구성되며, 각각은 관심 영역을 대표한다.