[논문 리뷰] Texture Based Image Segmentation of Chili Pepper X-Ray Images Using Gabor Filter

M. Rajalakshmi, P. Subashini|arXiv (Cornell University)|2014. 04. 15.

Spectroscopy and Chemometric Analyses참고 문헌 11인용 수 8

한 줄 요약

이 논문은 고추 X선 영상에 대해 Gabor 필터를 사용한 텍스처 기반 영상 분할 방법을 제안하며, 그 후 회색 수준 공존 행렬(GlCM)과 일차 통계를 통한 특징 추출을 거쳐 SVM로 분류한다. 이 방법은 84%의 정확도를 달성하여 일차 통계에 비해 뛰어난 성능을 보이며, 농업용 X선 영상의 텍스처 기반 분할에서 GlCM의 효과성을 입증한다.

ABSTRACT

Texture segmentation is the process of partitioning an image into regions with different textures containing a similar group of pixels. Detecting the discontinuity of the filter's output and their statistical properties help in segmenting and classifying a given image with different texture regions. In this proposed paper, chili x-ray image texture segmentation is performed by using Gabor filter. The texture segmented result obtained from Gabor filter fed into three texture filters, namely Entropy, Standard Deviation and Range filter. After performing texture analysis, features can be extracted by using Statistical methods. In this paper Gray Level Co-occurrence Matrices and First order statistics are used as feature extraction methods. Features extracted from statistical methods are given to Support Vector Machine (SVM) classifier. Using this methodology, it is found that texture segmentation is followed by the Gray Level Co-occurrence Matrix feature extraction method gives a higher accuracy rate of 84% when compared with First order feature extraction method. Key Words: Texture segmentation, Texture filter, Gabor filter, Feature extraction methods, SVM classifier.

연구 동기 및 목표

• 텍스처 차이를 기반으로 고추 X선 영상의 정확한 분할 문제를 해결하기 위해.
• Gabor 필터가 고추 X선 영상의 텍스처 특징을 효과적으로 추출할 수 있는지 평가하기 위해.
• 텍스처 분할에 대해 두 가지 특징 추출 방법—회색 수준 공존 행렬(GlCM)과 일차 통계—의 성능을 비교하기 위해.
• 분할된 영역을 지지 벡터 기반 분류기(SVM)로 분류하고 최적의 특징 조합을 정확도 측면에서 도출하기 위해.

제안 방법

• Gabor 필터를 고추 X선 영상에 적용하여 텍스처 반응을 추출하고 텍스처 불연속성을 탐지한다.
• Gabor 필터링 결과에 대해 세 가지 텍스처 필터—엔트로피, 표준편차, 범위—를 적용하여 텍스처 표현을 향상시킨다.
• 필터링 결과에 대해 GlCM과 일차 통계를 사용한 통계적 특징 추출을 수행한다.
• GlCM 및 일차 통계에서 유도된 특징들을 지지 벡터 기반 분류기(SVM)에 입력하여 영역 분류를 수행한다.
• 분할 및 분류 파이프라인은 고추 X선 영상 데이터셋을 사용하여 평가된다.
• 성능은 분류 정확도로 측정되며, GlCM 특징은 일차 통계와 비교된다.

실험 결과

연구 질문

• RQ1 Gabor 필터링이 고추 X선 영상의 텍스처 특징을 분할 목적에 적합하게 효과적으로 추출할 수 있는가?
• RQ2 GlCM 기반 특징 추출과 일차 통계의 성능을 비교할 때, X선 영상의 텍스처 영역 분류에서 어떤 것이 더 우수한가?
• RQ3 Gabor 필터 기반 텍스처 분할과 SVM을 조합하여 달성 가능한 최대 분류 정확도는 얼마인가?
• RQ4 엔트로피, 표준편차, 범위와 같은 다수의 텍스처 필터를 통합하여 특징 추출 이전에 분할 품질을 향상시킬 수 있는가?
• RQ5 고추 영상의 텍스처 영역 분류에서 GlCM과 일차 통계 중 어떤 특징 추출 방법이 더 높은 정확도를 제공하는가?

주요 결과

• 제안된 방법은 GlCM 특징 추출을 통해 84%의 분류 정확도를 달성하였다.
• GlCM 기반 특징 추출이 일차 통계보다 우수했으며, 동일한 실험 환경에서 더 낮은 정확도를 기록하였다.
• Gabor 필터링과 텍스처 필터(엔트로피, 표준편차, 범위)의 통합은 분할을 위한 텍스처 표현을 향상시켰다.
• SVM을 분류기로 사용함으로써 고추 X선 영상의 다양한 텍스처 영역 간의 효과적인 구분이 가능했다.
• 결과적으로 Gabor 필터와 GlCM 특징을 활용한 텍스처 기반 분할은 농업 영상 분석에 실현 가능한 접근법임을 입증하였다.
• 이 연구는 특정 응용 분야에서 GlCM에서 유도된 통계적 텍스처 특징이 일차 통계보다 더 구분 능력이 뛰어나다는 것을 확인하였다.