초록 close

영상 분할을 위한 클러스터링에서는 방대한 계산량과 전형적인 분할 오류가 중요한 문제점으로 지적되어 왔다. 본 연구에서는 이러한 문제들을 최소화하기 위한 새로운 기법을 제안한다. 마커-제어 유역변환(marker- controlled watershed transform)에서 마커는 영역 확장의 시작점이므로, 분할된 각 영역을 대표하는 성질을 가진다. 따라서 마커 화소로 제한하는 클러스터링으로 계산 복잡도를 줄일 수 있다. 제안한 기법에서는 가보 필터(gabor filter)의 질감 에너지에서 마커를 선택하고, FCM(fuzzy c-means) 클러스터링으로 마커의 군집을 형성하며, 유역변환에서 생성된 영역들을 마커의 군집정보를 이용하여 병합한다. Brodatz 영상 조합에 대한 성능 실험에서 클러스터링 특유의 얼룩(blob) 분할 오류를 현저하게 개선하였으며, 영상 분할 소요 시간 비교에서 기존의 FCM 클러스터링 알고리즘보다 소요 시간이 적었다. 또한, 전체적으로 일정한 분할 소요 시간을 보여주었다.


In clustering for image segmentation, large amount of computation and typical segmentation errors have been important problems. In the paper, we suggest a new method for minimizing these problems. Markers in marker-controlled watershed transform represent segmented areas because they are starting-points of extending areas. Thus, clustering restricted by marker pixels can reduce computational complexity. In our proposed method, the markers are selected by Gabor texture energy, and cluster information of them are generated by FCM (fuzzy c-mean) clustering. Generated areas from watershed transform are merged by using cluster information of markers. In the test of Brodatz' texture images, we improved typical partition-errors obviously and obtained less computational complexity compared with previous FCM clustering algorithms. Overall, it also took regular computational time.