KR101245957B1 - 배경 제거와 그래프 컷을 이용한 비교사 영상 분할 방법 및 시스템 - Google Patents

배경 제거와 그래프 컷을 이용한 비교사 영상 분할 방법 및 시스템 Download PDF

Info

Publication number
KR101245957B1
KR101245957B1 KR1020090090077A KR20090090077A KR101245957B1 KR 101245957 B1 KR101245957 B1 KR 101245957B1 KR 1020090090077 A KR1020090090077 A KR 1020090090077A KR 20090090077 A KR20090090077 A KR 20090090077A KR 101245957 B1 KR101245957 B1 KR 101245957B1
Authority
KR
South Korea
Prior art keywords
image
region
resizing
segmentation
background
Prior art date
Application number
KR1020090090077A
Other languages
English (en)
Other versions
KR20110032537A (ko
Inventor
박기태
문영식
이정호
장경현
Original Assignee
한양대학교 에리카산학협력단
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 한양대학교 에리카산학협력단 filed Critical 한양대학교 에리카산학협력단
Priority to KR1020090090077A priority Critical patent/KR101245957B1/ko
Publication of KR20110032537A publication Critical patent/KR20110032537A/ko
Application granted granted Critical
Publication of KR101245957B1 publication Critical patent/KR101245957B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/40—Analysis of texture
    • G06T7/41—Analysis of texture based on statistical description of texture
    • G06T7/44—Analysis of texture based on statistical description of texture using image operators, e.g. filters, edge density metrics or local histograms
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/194—Segmentation; Edge detection involving foreground-background segmentation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Probability & Statistics with Applications (AREA)
  • Image Analysis (AREA)

Abstract

배경 제거와 그래프 컷을 이용한 비교사 영상 분할 방법 및 시스템이 개시된다. 배경 영역을 효과적으로 제거하여 객체 후보 영역을 검출하고 검출된 후보 영역으로부터 그래프 컷 알고리즘을 사용하여 관심 객체 영역을 추출하는 방법이 사용된다.
배경 제거, 그래프 컷, 비교사 영상 분할, 관심 객체

Description

배경 제거와 그래프 컷을 이용한 비교사 영상 분할 방법 및 시스템{UNSUPERVISED FOREGROUND SEGMENTATION METHOD AND SYSTEM USING BACKGROUND ELIMINATION AND GRAPH CUT TECHNIQUES}
본 발명은 영상을 유사한 영역으로 나누는 영상 분할 및 주요 객체 영역을 추출하는 기술로서 영상 처리 분야의 기반 기술이다. 본 발명은 영상 검색, 영상 분류, 정지 영상 및 동영상 압축(JPEG-2000, MPEG-4, H.264), 디지털 워터마킹, 객체 인식 등 영상 내의 관심 객체를 자동으로 추출하는 기술을 요구하는 모든 영상 처리 분야와 관련이 있다.
영상 분할 기술은 영상을 유사한 특징을 가지는 영역으로 분할하는 기술이고, 배경 제거 기술은 영상에서 배경 영역을 추정하고 제거하여 객체 후보 영역을 검출하는 기술이며, 객체 추출 기술은 영상에서 객체 영역만을 정확히 추출하는 기술이다.
이러한 종래의 영상 분할 및 객체 추출 기법은 ⅰ) 사용자가 객체 후보 영역을 직접 지정해주어야만 하고, ⅱ) 특정 부류의 영상 또는 자연 영상에 대하여 학습이 필요하며, ⅲ) 다중 객체의 추출이 어렵고, ⅳ) 연산량이 많아 처리속도가 느 리다는 문제점이 존재한다.
본 발명은 배경 영역을 효과적으로 제거하여 객체 후보 영역을 검출하고 검출된 후보 영역으로부터 그래프 컷 알고리즘을 사용하여 관심 객체 영역을 추출하는 비교사 영상 분할 방법 및 시스템을 제공한다.
본 발명의 일실시예에 따른 비교사(unsupervised) 영상 분할 방법은 영상의 배경 영역을 제거하여 객체 후보 영역을 검출하는 단계와, 그래프 컷 알고리즘(Graph Cut Algorithm)을 이용하여 상기 객체 후보 영역으로부터 관심 객체 영역을 추출하는 단계를 포함한다.
본 발명의 일측에 따르면, 상기 비교사 영상 분할 방법은 입력 영상인 원본 영상을 기설정된 크기로 리사이징(resizing)하여 리사이징 영상을 생성하는 단계를 더 포함하고, 상기 영상의 배경 영역을 제거하는 단계는 상기 원본 영상 및 상기 리사이징 영상 각각의 배경 영역을 제거하는 단계를 포함하는 것을 특징으로 하는 비교사 영상 분할 방법이 제공된다.
또한 본 발명의 일측에 따르면, 상기 비교사 영상 분할 방법은 상기 원본 영상 및 상기 리사이징 영상 각각에 비등방성 확산 필터(Anisotropic diffusion filter)를 적용하여 두 개의 영상을 생성하는 단계와, 상기 두 개의 영상에 대하여 각각 JSEG(J-value segmentation) 알고리즘을 이용하여 영상 분할을 수행하는 단계를 더 포함하고, 상기 원본 영상 및 상기 리사이징 영상 각각의 배경 영역을 제거 하는 단계는 상기 영상 분할이 수행된 두 개의 영상 각각의 배경 영역을 제거하는 단계를 포함하는 것을 특징으로 하는 비교사 영상 분할 방법이 제공된다.
또한 본 발명의 일측에 따르면, 상기 영상 분할이 수행된 두 개의 영상 각각의 배경 영역을 제거하는 단계는 상기 영상 분할이 수행된 두 개의 영상 각각의 가장자리에 인접한 영역들을 배경 영역으로 제거하는 단계를 포함하는 것을 특징으로 하는 비교사 영상 분할 방법이 제공된다.
또한 본 발명의 일측에 따르면, 상기 리사이징 영상은 상기 원본 영상보다 작은 크기의 영상이며, 상기 객체 후보 영역을 검출하는 단계는 상기 배경 영역이 제거된 리사이징 영상을 상기 원본 영상의 크기로 복원하는 단계와, 상기 배경 영역이 제거된 원본 영상과 상기 복원된 영상의 논리적 AND 연산을 통해 객체 후보 영역을 검출하는 단계를 포함하는 것을 특징으로 하는 비교사 영상 분할 방법이 제공된다.
본 발명의 다른 실시예에 따르면, 입력 영상에 대하여 영상 분할을 수행하는 단계와, 상기 영상 분할이 수행된 입력 영상의 가장자리에 인접한 영역을 배경 영역으로 제거하는 단계와, 상기 배경 영역이 제거된 객체 후보 영역을 검출하는 단계와, 그래프 컷 알고리즘(Graph Cut Algorithm)을 이용하여 상기 객체 후보 영역으로부터 관심 객체 영역을 추출하는 단계를 포함하는 비교사 영상 분할 방법이 제공된다.
본 발명의 또 다른 실시예에 따르면, 영상의 배경 영역을 제거하는 배경 제거부와, 상기 배경 영역이 제거된 객체 후보 영역을 검출하는 객체 후보 검출부와, 그래프 컷 알고리즘을 이용하여 상기 객체 후보 영역으로부터 관심 객체 영역을 추출하는 관심 객체 추출부를 포함하는 비교사 영상 분할 시스템이 제공된다.
본 발명에 따르면, 배경 영역을 효과적으로 제거하여 객체 후보 영역을 검출하고 검출된 후보 영역으로부터 그래프 컷 알고리즘을 사용하여 관심 객체 영역을 추출함으로써, 사용자의 개입 없이 영상에서 다수의 객체 영역을 자동으로 추출할 수 있는 비교사 영상 분할 방법 및 시스템이 제공된다.
이하 첨부 도면들 및 첨부 도면들에 기재된 내용들을 참조하여 본 발명의 실시예를 상세하게 설명하지만, 본 발명이 실시예들에 의해 제한되거나 한정되는 것은 아니다.
도 1은 본 발명에 따른 비교사 영상 분할 시스템의 전체 구성을 도시한 블록도이다.
도 1에 도시된 바와 같이, 본 발명에 따른 비교사 영상 분할 시스템(100)은 리사이징부(101), 필터 적용부(102), 영상 분할부(103), 배경 제거부(104), 객체 후보 검출부(105) 및 관심 객체 추출부(106)를 포함한다. 또한, 객체 후보 검출부(105)는 영상 복원부(111) 및 논리 연산부(112)를 포함한다.
본 발명에 따른 비교사 영상 분할 시스템(100)은 도 2의 비교사 영상 분할 방법을 수행할 수 있으며, 따라서 도 1에 도시된 각 구성요소의 동작은 이하 도 2와 도 3을 참조하여 설명하도록 한다.
도 2는 본 발명에 따른 비교사 영상 분할 방법을 도시한 흐름도이고, 도 3은 비교사 영상 분할 방법의 각 과정에 따른 결과를 예시하는 도면이다.
단계(S201)에서 리사이징부(101)는 입력 영상인 원본 영상을 기설정된 크기로 리사이징(resizing)하여 리사이징 영상을 생성한다. 이 경우 리사이징 영상은 상기 원본 영상보다 작은 크기의 영상일 수 있다. 예컨대, 도 3과 같이 리사이징부(101)는 원본 영상의 1/4 크기의 영상(quarter-sized image)을 생성할 수 있다.
단계(S202)에서 필터 적용부(102)는 상기 원본 영상 및 상기 리사이징 영상 각각에 비등방성 확산 필터(Anisotropic diffusion filter)를 적용하여 두 개의 영상을 생성한다.
비등방성 확산 필터에 관해서는 공지된 논문(PERONA, P. and MALIK, J.: 'Scale-space and edge detection using anisotropic diffusion', IEEE Trans. on Pattern Analysis and Machine Intelligence, 1990, 12, (7), pp. 800-810) 등을 통해 잘 알려져 있으므로, 본 명세서에서는 비등방성 확산 필터에 관한 자세한 설명은 생략한다.
비등방성 확산 필터를 적용하는 이유는 다음의 단계(S203)에서 영상을 분할할 때 사용되는 JSEG(J-value segmentation) 알고리즘이 자연 영상에 대하여 비교적 우수한 결과를 보이지만, 영상 잡음(noise), 색상, 질감 등의 영향으로 인하여 영상이 과분할(over-segmentation) 될 수 있는 단점을 보완하기 위함이다.
단계(S203)에서 영상 분할부(103)는 상기 두 개의 영상에 대하여 각각 JSEG(J-value segmentation) 알고리즘을 이용하여 영상 분할을 수행한다. 도 3에 JSEG 알고리즘을 이용한 영상 분할의 결과가 예시적으로 도시되어 있다.
JSEG 알고리즘에 관해서는 공지된 논문(Deng, Y. and MANJUNATH, B. S.: 'Unsupervised segmentation of color-texture regions in images and video', IEEE Trans. on Pattern Analysis and Machine Intelligence, 2001, 23, (8), pp. 800-810) 등을 통해 잘 알려져 있으므로, 본 명세서에서는 JSEG 알고리즘에 관한 자세한 설명은 생략한다.
단계(S204)에서 배경 제거부(104)는 상기 영상 분할이 수행된 두 개의 영상 각각의 배경 영역을 제거한다. 이 경우, 배경 제거부(104)는 상기 영상 분할이 수행된 두 개의 영상 각각의 가장자리에 인접한 영역들을 배경 영역으로 제거할 수 있다. 도 3에 배경 영역이 제거된 결과가 예시적으로 도시되어 있다.
객체 후보 검출부(105)는 상기 배경 영역이 제거된 객체 후보 영역을 검출하는데, 이를 위해 객체 후보 검출부(105)는 영상 복원부(111)와 논리 연산부(112)를 포함한다.
단계(S205)에서 영상 복원부(111)는 상기 배경 영역이 제거된 리사이징 영상을 상기 원본 영상의 크기로 복원한다. 도 3에 원본 영상 크기로 복원된 결과가 예시적으로 도시되어 있다.
단계(S206)에서 논리 연산부(112)는 상기 배경 영역이 제거된 원본 영상과 상기 복원된 영상의 논리적 AND 연산을 통해 객체 후보 영역을 검출한다.
배경 영역이 복잡한 질감 영역으로 구성되어 있는 경우에 영상의 가장자리에 인접해 있지 않은 배경 영역이 효과적으로 제거되지 못하는 결과와, 관심 객체와 배경의 경계 부분이 점진적으로 변화되는 부분에서는 관심 객체의 일부 영역이 배경 영역으로 제거되는 결과가 나타날 수 있다.
그러므로, 배경 영역을 효과적으로 제거하고 정확한 객체 후보 영역을 추출하기 위하여, 단계(S204)의 결과인 가장자리를 제거한 원본 영상과 리사이징된 영상을 원본 영상의 크기로 복원한 영상의 AND 연산을 통해 객체 후보 영역을 결정한다. 도 3에 AND 연산을 통해 결정된 객체 후보 영역이 예시적으로 도시되어 있다.
AND 연산은 두 개의 영상을 결합(combining)하기 위한 것으로서, 예컨대 아래의 수학식 1과 같이 수행될 수 있다. 이러한 AND 연산에 따라 대부분의 배경 영역들을 효과적으로 제거함으로써 객체 후보 영역이 검출될 수 있다.
Figure 112009058463144-pat00001
수학식 1에서 COR(x,y)는 두 개의 영상을 결합하여 결정된 객체 후보 영역을 나타내는 이미지이고, OI(x,y)와 RI(x,y)는 원본 영상과 복원된 영상으로부터 배경 영역들이 제거된 이미지 각각을 나타낸다.
단계(S207)에서 관심 객체 추출부(106)는 그래프 컷 알고리즘(Graph Cut Algorithm)을 이용하여 상기 객체 후보 영역으로부터 최종적인 관심 객체 영역을 추출한다.
그래프 컷 알고리즘은 한 영상을 객체와 배경 영역으로 분할하기 위해 반복적인 그래프 컷 기법에 기반하고 있으며, 그래프 컷 내에서 에너지의 최소화 형태 로 표현된다. 그래프 컷 알고리즘에 대해서는 공지된 논문(ROTHER, C. KOLMOGOROV, V., and BLAKE, A.: 'GrabCut - Interative foreground extraction using iterated graph cut', ACM Trans. on Graphics, 2004, 23, (3), pp. 309-314) 등을 통해 당업자에게 잘 알려져 있으므로, 자세한 설명은 생략한다.
그래프 컷 기법을 적용하기 위해서는 관심 객체 영역을 분할하기 위해서 사용자에 의해 관심 객체 영역을 포함하는 사각형 형태의 초기 영역이 설정되어야 한다. 본 발명에서는 단계(S206)에서 배경 제거에 의해 자동으로 검출된 객체 후보 영역을 초기 영역으로 설정하여 사용자의 개입 없이도 자동으로 관심 객체 영역을 추출할 수 있다.
도 4와 도 5는 테스트 영상에 종래의 방법을 적용한 실험 결과와 본 발명에 따른 방법을 적용한 실험 결과를 비교한 도면이다.
도 4와 도 5에서 좌측에 위치한 것이 테스트 영상이고, 중간에 위치한 것이 종래의 방법을 적용한 실험 결과이며, 우측에 위치한 것이 본 발명에 따른 방법을 적용한 실험 결과이다. 종래의 방법으로는 공지된 논문(KANG, S., PARK, S., Yoo, H., SHIN, Y., and JANG, D.: 'Development of expert system for extraction of the objects of interest', Expert System with Applications, 2009, 36, (2), pp. 7210-7218)의 방법을 사용하였다.
도 4와 도 5를 참조하면, 본 발명에 따른 방법이 종래의 방법에 비해 정확하게 관심 객체 영역을 추출하고 있으며, 다중 객체 영역의 추출도 매우 우수함을 확인할 수 있다.
도 6은 본 발명에 따른 방법의 성능을 평가한 실험 결과를 도시한 도면이다.
도 6의 실험 결과에 의하면, 본 발명에 따른 방법의 정밀도(precision), 리콜(recall), 정확도(accuracy)가 평균적으로 95.6%, 89.8%, 85.4%의 우수한 관심 객체 추출 결과를 보여주고 있다.
본 발명에 따른 비교사 영상 분할 방법은 영상 검색, 영상 분류, 영상 압축, 워터마킹, 객체 인식 등 영상 처리 기술을 필요로 하는 다양한 분야에 적용될 수 있다.
일례로, 영상 검색 기술의 경우 영상에 포함된 객체는 사람의 고수준 개념을 표현하기에 적절하며 영상의 내용에 관한 핵심 정보를 제공한다. 영상 검색 기술의 사용자는 질의 영상에 포함된 객체에 기반을 두고 동일한 객체 또는 유사한 객체를 포함하는 다른 영상을 검색하고자 한다. 따라서 영상을 객체 단위로 접근할 수 있는 기술을 요구한다. 본 발명에 따른 비교사 영상 분할 방법은 영상 검색 기술에서 영상으로부터 관심 객체를 자동으로 추출하는 기술로서 활용이 가능하다.
다른 예로, 본 발명에 따른 비교사 영상 분할 방법을 영상 합성 및 편집 기술에 적용이 가능하며 보다 편리한 사용자 인터페이스를 제공하는데 활용될 수 있다. 또한, 휴대 장치들의 다양한 해상도와 화질에 따라 적합한 영상을 제공하기 위하여 자동으로 영상을 변환하는 기술인 Image Adaptation 기술에 활용이 가능하다.
또 다른 예로, 영상 압축 기술의 경우 최근 널리 사용되는 영상 압축 표준 MPEG4는 비디오 객체 평면(video object plane)의 구성을 통해 객체 단위의 압축 기법을 제공하고 있다. 또한 아직은 널리 사용되고 있지는 않으나 기존 정지 영상 압축 기술에 비해 우수한 성능을 보이는 JPEG2000은 관심 영역(ROI: Region Of Interest) 별로 접근이 가능한 기술을 제공한다. 본 발명에 따른 비교사 영상 분할 방법은 영상의 주요 객체를 분리해줌으로써 이와 같은 영상 압축 기술을 이용하여 효과적인 압축이 가능하게 하는데 적용이 가능하다.
본 발명에 따른 실시예들은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 본 발명의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상과 같이 본 발명은 비록 한정된 실시예와 도면에 의해 설명되었으나, 본 발명은 상기의 실시예에 한정되는 것은 아니며, 본 발명이 속하는 분야에서 통상의 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형이 가능하다.
그러므로, 본 발명의 범위는 설명된 실시예에 국한되어 정해져서는 아니되며, 후술하는 특허청구범위뿐 아니라 이 특허청구범위와 균등한 것들에 의해 정해져야 한다.
도 1은 본 발명에 따른 비교사 영상 분할 시스템의 전체 구성을 도시한 블록도이다.
도 2는 본 발명에 따른 비교사 영상 분할 방법을 도시한 흐름도이다.
도 3은 비교사 영상 분할 방법의 각 과정에 따른 결과를 예시하는 도면이다.
도 4와 도 5는 테스트 영상에 종래의 방법을 적용한 실험 결과와 본 발명에 따른 방법을 적용한 실험 결과를 비교한 도면이다.
도 6은 본 발명에 따른 방법의 성능을 평가한 실험 결과를 도시한 도면이다.
<도면의 주요 부분에 대한 부호의 설명>
100: 비교사 영상 분할 시스템
101: 리사이징부
102: 필터 적용부
103: 영상 분할부
104: 배경 제거부
105: 객체 후보 검출부
106: 관심 객체 추출부
111: 영상 복원부
112: 논리 연산부

Claims (12)

  1. 입력 영상인 원본 영상을 기설정된 크기로 리사이징(resizing)하여 리사이징 영상을 생성하는 단계;
    상기 원본 영상 및 상기 리사이징 영상 각각에 비등방성 확산 필터(Anisotropic diffusion filter)를 적용하여 두 개의 영상을 생성하는 단계;
    상기 두 개의 영상에 대하여 각각 JSEG(J-value segmentation) 알고리즘을 이용하여 영상 분할을 수행하는 단계
    상기 영상 분할이 수행된 두 개의 영상 각각의 배경 영역을 제거하는 단계;
    상기 배경 영역이 제거된 리사이징 영상을 상기 원본 영상의 크기로 복원하는 단계;
    상기 배경 영역이 제거된 원본 영상과 상기 복원된 영상의 논리적 AND 연산을 통해 객체 후보 영역을 검출하는 단계; 및
    그래프 컷 알고리즘(Graph Cut Algorithm)을 이용하여 상기 객체 후보 영역으로부터 관심 객체 영역을 추출하는 단계
    를 포함하는 것을 특징으로 하는 비교사(unsupervised) 영상 분할 방법.
  2. 삭제
  3. 삭제
  4. 삭제
  5. 제1항에 있어서,
    상기 리사이징 영상은 상기 원본 영상보다 작은 크기의 영상인 것을 특징으로 하는 비교사 영상 분할 방법.
  6. 제1항에 있어서,
    상기 그래프 컷 알고리즘을 이용하여 객체 후보 영역으로부터 관심 객체 영역을 추출하는 단계는,
    상기 객체 후보 영역을 상기 그래프 컷 기법의 적용을 위한 초기 영역으로 설정하는 단계; 및
    상기 그래프 컷 알고리즘을 적용하여 상기 객체 후보 영역으로부터 자동으로 상기 관심 객체 영역을 추출하는 단계
    를 포함하는 것을 특징으로 하는 비교사 영상 분할 방법.
  7. 삭제
  8. 입력 영상인 원본 영상을 기설정된 크기로 리사이징(resizing)하여 리사이징 영상을 생성하는 리사이징부;
    상기 원본 영상 및 상기 리사이징 영상 각각에 비등방성 확산 필터(Anisotropic diffusion filter)를 적용하여 두 개의 영상을 생성하는 필터 적용부;
    상기 두 개의 영상에 대하여 각각 JSEG(J-value segmentation) 알고리즘을 이용하여 영상 분할을 수행하는 영상 분할부;
    상기 영상 분할이 수행된 두 개의 영상 각각의 배경 영역을 제거하는 배경 제거부;
    상기 배경 영역이 제거된 리사이징 영상을 상기 원본 영상의 크기로 복원하고 상기 배경 영역이 제거된 원본 영상과 상기 복원된 영상의 논리적 AND 연산을 통해 객체 후보 영역을 검출하는 객체 후보 검출부; 및
    그래프 컷 알고리즘(Graph Cut Algorithm)을 이용하여 상기 객체 후보 영역으로부터 관심 객체 영역을 추출하는 관심 객체 추출부
    를 포함하는 것을 특징으로 하는 비교사(unsupervised) 영상 분할 시스템.
  9. 삭제
  10. 삭제
  11. 삭제
  12. 제8항에 있어서,
    상기 리사이징 영상은 상기 원본 영상보다 작은 크기의 영상인 것을 특징으로 하는 비교사 영상 분할 시스템.
KR1020090090077A 2009-09-23 2009-09-23 배경 제거와 그래프 컷을 이용한 비교사 영상 분할 방법 및 시스템 KR101245957B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020090090077A KR101245957B1 (ko) 2009-09-23 2009-09-23 배경 제거와 그래프 컷을 이용한 비교사 영상 분할 방법 및 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020090090077A KR101245957B1 (ko) 2009-09-23 2009-09-23 배경 제거와 그래프 컷을 이용한 비교사 영상 분할 방법 및 시스템

Publications (2)

Publication Number Publication Date
KR20110032537A KR20110032537A (ko) 2011-03-30
KR101245957B1 true KR101245957B1 (ko) 2013-03-21

Family

ID=43937275

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020090090077A KR101245957B1 (ko) 2009-09-23 2009-09-23 배경 제거와 그래프 컷을 이용한 비교사 영상 분할 방법 및 시스템

Country Status (1)

Country Link
KR (1) KR101245957B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101812664B1 (ko) 2016-10-28 2017-12-27 한국과학기술원 가분적 외곽선을 가지는 다시점 객체 추출 방법 및 장치

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101348904B1 (ko) 2012-01-20 2014-01-09 한국과학기술원 고차 상관 클러스터링을 이용한 이미지 분할 방법, 이를 처리하는 시스템 및 기록매체
KR101349699B1 (ko) * 2012-06-29 2014-01-10 에스케이플래닛 주식회사 영상 추출 및 합성 장치, 이의 방법
KR102264920B1 (ko) * 2014-03-05 2021-06-14 에스케이플래닛 주식회사 영상 식별 장치, 그 방법 및 컴퓨터 프로그램이 기록된 기록매체
KR102199094B1 (ko) * 2014-05-26 2021-01-07 에스케이텔레콤 주식회사 관심객체 검출을 위한 관심영역 학습장치 및 방법

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
박기태, SVM에 의한 선택적 특징 지도 결합과 반복적인 그래프 컷을 이용한 중요 객체 추출, 한양대학교 대학원 박사학위논문, 2007년 8월. *
이임건, 우영운, 한수환, "영상 시퀀스의 프레임 지터 고속 정합 알고리즘", 한국해양정보통신학회 2007년도 추계종합학술대회, vol.11, no.2, pp.973-976, 2007년. *
이정호, 김지훈, 문영식, "영상 분할 및 주요 특징점을 이용한 다중 객체 검출", 전자공학회 논문지 CI편, vol.45, no.2, pp.48-55, 2008년 3월. *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101812664B1 (ko) 2016-10-28 2017-12-27 한국과학기술원 가분적 외곽선을 가지는 다시점 객체 추출 방법 및 장치

Also Published As

Publication number Publication date
KR20110032537A (ko) 2011-03-30

Similar Documents

Publication Publication Date Title
Dorini et al. Semiautomatic white blood cell segmentation based on multiscale analysis
KR101245957B1 (ko) 배경 제거와 그래프 컷을 이용한 비교사 영상 분할 방법 및 시스템
Khodadadi et al. Text localization, extraction and inpainting in color images
KR101082665B1 (ko) 관심 객체 추출 장치 및 방법
Tajeripour et al. Developing a novel approach for content based image retrieval using modified local binary patterns and morphological transform.
Aytekin et al. Visual saliency by extended quantum cuts
CN111614974B (zh) 一种视频图像修复方法和系统
Wagh et al. Text detection and removal from image using inpainting with smoothing
Parida et al. Transition region based single and multiple object segmentation of gray scale images
Abdulla et al. An improved image quality algorithm for exemplar-based image inpainting
Chi et al. Enhancing textural differences using wavelet-based texture characteristics morphological component analysis: A preprocessing method for improving image segmentation
Vartak et al. Colour image segmentation-a survey
KR101195978B1 (ko) 동영상에 포함된 오브젝트를 처리하는 방법 및 장치
Shirai et al. Character shape restoration of binarized historical documents by smoothing via geodesic morphology
Hu et al. Extracting Maya Glyphs from degraded ancient documents via image segmentation
Wan et al. Statistical multiscale image segmentation via alpha-stable modeling
Bresson Image segmentation with variational active contours
Felhi et al. Multiscale stroke-based page segmentation approach
Charles et al. Object segmentation within microscope images of palynofacies
Khatib et al. A hybrid multilevel text extraction algorithm in scene images
Grzegorzek et al. Texture-Based text detection in digital images with wavelet features and Support Vector Machines
Chang et al. Color-texture segmentation of medical images based on local contrast information
Chang et al. Texture-based color image segmentation using local contrast information
Park et al. Automatic extraction of salient objects using feature maps
Park et al. Unsupervised foreground segmentation using background elimination and graph cut techniques

Legal Events

Date Code Title Description
A201 Request for examination
N231 Notification of change of applicant
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20160118

Year of fee payment: 4

LAPS Lapse due to unpaid annual fee