KR101612239B1 - Image segment method and apparatus - Google Patents

Image segment method and apparatus Download PDF

Info

Publication number
KR101612239B1
KR101612239B1 KR1020150163532A KR20150163532A KR101612239B1 KR 101612239 B1 KR101612239 B1 KR 101612239B1 KR 1020150163532 A KR1020150163532 A KR 1020150163532A KR 20150163532 A KR20150163532 A KR 20150163532A KR 101612239 B1 KR101612239 B1 KR 101612239B1
Authority
KR
South Korea
Prior art keywords
image
regions
image characteristic
region
value
Prior art date
Application number
KR1020150163532A
Other languages
Korean (ko)
Other versions
KR20150141164A (en
Inventor
홍병우
Original Assignee
중앙대학교 산학협력단
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 중앙대학교 산학협력단 filed Critical 중앙대학교 산학협력단
Priority to KR1020150163532A priority Critical patent/KR101612239B1/en
Publication of KR20150141164A publication Critical patent/KR20150141164A/en
Application granted granted Critical
Publication of KR101612239B1 publication Critical patent/KR101612239B1/en

Links

Images

Classifications

    • G06T7/0079—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color image

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Analysis (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Computational Mathematics (AREA)
  • Algebra (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Image Analysis (AREA)

Abstract

영상 분할 방법 및 장치가 개시된다. 영상 분할 방법은 영상에서 N(자연수)개의 영역을 임의로 설정하는 단계; 상기 영역에서 영상 특성 함수(fi)값을 구하는 단계; 상기 구해진 영상 특성 함수(fi)값을 이용하여 상기 영역에 대한 목적함수(F)를 최소화하는 영상 특성값을 결정하는 단계; 및 상기 결정된 영상 특성값을 이용하여 상기 영역을 갱신하는 단계를 포함한다.An image segmentation method and apparatus are disclosed. An image segmentation method includes: arbitrarily setting N (natural number) regions in an image; Obtaining an image characteristic function (f i ) value in the region; Determining an image characteristic value that minimizes an objective function (F) for the region using the obtained image characteristic function (f i ); And updating the area using the determined image characteristic value.

Description

영상 분할 방법 및 그 장치{Image segment method and apparatus}[0001] Image segmentation method and apparatus [0002]

본 발명은 영상 특성(조도, 휘도, 색상 등)을 고려한 영상 특성 함수값을 찾아 영상을 빠르게 분할할 수 있는 영상 분할 방법 및 그 장치에 관한 것이다.The present invention relates to an image segmentation method and apparatus for rapidly segmenting an image by finding an image characteristic function value considering image characteristics (illumination, luminance, color, etc.).

일반적으로, 영상 분할 기술은 종양과 질병의 검출, 혈관의 부피 측정, 컴퓨터의 도움을 받은 수술, 진단, 치료 계획, 해부학적 구조의 연구 등과 같은 의료 영상분야와, 위성 영상에서 도로, 숲 등과 같은 대상의 검출 등과 같은 지리 분야, 얼굴, 지문 등과 같은 생체 인식 분야, 법의학 분야, 과학 수사 분야, 정밀 계측 분야, 교량/ 건축물의 정밀 보수 분야 등과 같은 다양한 분야에서 컴퓨팅 기기를 이용하여 널리 응용하고 있다.In general, image segmentation techniques are used in medical imaging fields such as tumor and disease detection, blood vessel volume measurement, computer assisted surgery, diagnosis, treatment planning, and anatomical structure studies, and satellite images such as roads and forests And has been widely applied to a variety of fields such as biometrics such as detection of objects, biometrics such as faces and fingerprints, forensics, scientific investigation, precision measurement, and maintenance of bridges / buildings.

종래에는 주로 각 영역의 경계를 찾기 위한 에너지 함수에서 불연속적인 "smooth image" 와 "length penalizing term"을 이용하였다. 그러나, 종래의 영상 분할 방법은 촬영 조건과 같은 영상 특성에 매우 민감한 단점이 있다. 이는 종래의 영상 분할 방법은 촬영 조건과 같은 영상 특성을 분할 방식에 고려하지 않았기 때문이다. In the past, we mainly used discontinuous "smooth image" and "length penalizing term" in the energy function to find the boundary of each region. However, the conventional image segmentation method is disadvantageous in that it is very sensitive to image characteristics such as photographing conditions. This is because the conventional image segmentation method does not consider the image characteristics such as the photographing conditions in the division method.

본 발명은 영상 특성(조도, 휘도, 색상 등)을 고려한 영상 특성 함수값을 찾아 영상을 빠르게 분할할 수 있는 영상 분할 방법 및 그 장치를 제공하기 위한 것이다.The present invention relates to an image segmentation method and apparatus for rapidly segmenting an image by finding an image characteristic function value considering image characteristics (illumination, luminance, color, etc.).

또한, 본 발명은 영상에서 영역에 대한 전체 윤곽을 결정한 후 각 영역의 픽셀을 세밀하게 조정하여 정확하게 영상을 분할 할 수 있는 영상 분할 방법 및 그 장치를 제공하기 위한 것이다.It is another object of the present invention to provide an image segmentation method and apparatus capable of precisely dividing an image by precisely adjusting the pixels of each region after determining the entire outline of the region in the image.

또한, 본 발명은 영상 분할을 위한 연산이 매우 단순하여 수행 시간이 매우 빠를 뿐만 아니라 정확하게 영상을 분할할 수 있는 영상 분할 방법 및 그 장치를 제공하기 위한 것이다.It is another object of the present invention to provide an image segmentation method and apparatus capable of accurately dividing an image as well as a very simple operation due to a very short computation time.

본 발명의 일 측면에 따르면, 영상에서 N(자연수)개의 영역을 임의로 설정하는 단계; 상기 N개의 영역 각각에 대해 영상 특성을 고려한 복수의 영상 특성 함수값(fi)을 각각 구하는 단계-상기 영상 특성은 색상, 휘도 및 조도 중 어느 하나임; 상기 N개의 영역 각각에 대해 구해진 각각의 영상 특성 함수값을 상기 영상에서 차감하여 제곱한 값이 최소가 되는 영상 특성 함수값을 영상 특성값으로 결정하는 단계; 및 상기 N개의 영역 각각에 대해 결정된 영상 특성값에 해당하는 영상의 픽셀을 각 영역에 포함시켜 상기 N개의 영역을 각각 갱신하는 단계를 포함하는 영상 분할 방법이 제공될 수 있다.According to an aspect of the present invention, there is provided an image processing method comprising the steps of: arbitrarily setting N (natural number) Obtaining a plurality of image characteristic function values (f i ) considering image characteristics for each of the N regions, wherein the image characteristic is one of color, brightness, and illuminance; Determining an image characteristic value that minimizes a value obtained by squaring each image characteristic value obtained for each of the N regions from the image, as an image characteristic value; And updating each of the N regions by including pixels of an image corresponding to the determined image characteristic value for each of the N regions in each region.

본 발명의 다른 측면에 따르면, 영상에서 N(자연수)개의 영역을 임의로 설정하는 초기화부; 및 상기 N개의 영역 각각에 대해 영상 특성을 고려한 복수의 영상 특성 함수(fj)값을 각각 구하고, 상기 N개의 영역 각각에 대해 구해진 각각의 영상 특성함수값을 상기 영상에서 차감하여 제곱한 값이 최소가 되는 영상 특성 함수값을 영상 특성값으로 결정하며, 상기 N개의 영역 각각에 대해 결정된 영상 특성값에 해당하는 영상의 픽셀을 각 영역에 포함시켜 상기 N개의 영역을 각각 갱신하는 분할부를 포함하되, 상기 영상 특성은 색상, 휘도 및 조도 중 어느 하나인 것을 특징으로 하는 영상 처리 장치가 제공된다. According to another aspect of the present invention, there is provided an image processing apparatus including: an initialization unit for arbitrarily setting N (natural number) regions in an image; And obtaining a plurality of image characteristic functions (fj) considering image characteristics for each of the N regions, calculating a value obtained by squaring each image characteristic function value obtained for each of the N regions from the image, And a division unit for updating each of the N regions by including pixels of an image corresponding to an image characteristic value determined for each of the N regions in each region, And the image characteristic is any one of color, brightness, and illuminance.

본 발명의 일 실시예에 따른 영상 분할 방법 및 그 장치를 제공함으로써, 영상 특성(조도, 휘도, 색상 등)을 고려한 영상 특성 함수값을 찾아 영상을 빠르게 분할할 수 있는 이점이 있다.The image dividing method and apparatus according to an embodiment of the present invention can provide an advantage that the image can be quickly divided by finding an image characteristic function value considering image characteristics (illuminance, luminance, color, etc.).

또한, 본 발명은 영상에서 영역에 대한 전체 윤곽을 결정한 후 각 영역의 픽셀을 세밀하게 조정하여 정확하게 영상을 분할 할 수 있는 이점도 있다.In addition, the present invention has an advantage of accurately dividing an image by precisely adjusting pixels in each region after determining the entire outline of the region in the image.

또한, 본 발명은 영상 분할을 위한 연산이 매우 단순하여 수행 시간이 매우 빠를 뿐만 아니라 정확하게 영상을 분할할 수 있다.In addition, the present invention is very simple in operation for image segmentation, so that the execution time is very fast and the image can be divided accurately.

도 1은 본 발명의 일 실시예에 따른 영상 분할 방법을 나타낸 순서도.
도 2는 본 발명의 일 실시예에 따른 영역 초기화를 설명하기 위해 도시한 도면.
도 3은 본 발명의 일 실시예에 따른 픽셀 전이 과정을 설명하기 위해 도시한 도면.
도 4는 본 발명의 일 실시예에 따른 영상 분할 결과를 비교한 도면.
도 5는 본 발명의 일 실시예에 따른 영상 분할 결과를 나타낸 도면.
도 6은 종래와 본 발명의 일 실시예에 따른 영상 분할 결과를 비교한 그래프.
도 7의 종래와 본 발명의 일 실시예에 따른 영상 분할 방법의 수행 시간 및 정확도를 비교한 그래프.
도 8은 본 발명의 일 실시예에 따른 영상 처리 장치의 내부 구성을 개략적으로 도시한 도면.1 is a flowchart illustrating an image segmentation method according to an embodiment of the present invention.
2 is a diagram for describing area initialization according to an embodiment of the present invention;
3 is a diagram illustrating a pixel transition process according to an embodiment of the present invention.
4 is a view illustrating a result of image segmentation according to an exemplary embodiment of the present invention.
5 is a diagram illustrating an image division result according to an embodiment of the present invention.
FIG. 6 is a graph comparing image segmentation results according to an embodiment of the present invention.
7 is a graph comparing the execution time and the accuracy of the image segmentation method according to an embodiment of the present invention.
8 is a view schematically showing an internal configuration of an image processing apparatus according to an embodiment of the present invention.

본 발명은 다양한 변환을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 상세한 설명에 상세하게 설명하고자 한다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변환, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 본 발명을 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.BRIEF DESCRIPTION OF THE DRAWINGS The present invention is capable of various modifications and various embodiments, and specific embodiments are illustrated in the drawings and described in detail in the detailed description. It is to be understood, however, that the invention is not to be limited to the specific embodiments, but includes all modifications, equivalents, and alternatives falling within the spirit and scope of the invention. DETAILED DESCRIPTION OF THE PREFERRED EMBODIMENTS Hereinafter, the present invention will be described in detail with reference to the accompanying drawings.

제1, 제2 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. The terms first, second, etc. may be used to describe various components, but the components should not be limited by the terms. The terms are used only for the purpose of distinguishing one component from another.

본 출원에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.The terminology used in this application is used only to describe a specific embodiment and is not intended to limit the invention. The singular expressions include plural expressions unless the context clearly dictates otherwise. In the present application, the terms "comprises" or "having" and the like are used to specify that there is a feature, a number, a step, an operation, an element, a component or a combination thereof described in the specification, But do not preclude the presence or addition of one or more other features, integers, steps, operations, elements, components, or combinations thereof.

본 발명은 조도와 같은 영상 특성을 고려하여 단순한 연산을 통해 빠르게 영상을 분할할 수 있는 방법에 관한 것이다. 이때, 본 발명은 영상에서 영역에 대한 전체 바운더리를 결정한 후 지엽적으로 각 영역의 픽셀을 세밀하게 조정하여 분할할 수 있다. The present invention relates to a method of dividing an image quickly by a simple operation in consideration of image characteristics such as illumination. At this time, the present invention can divide and adjust the pixels of each region locally after determining the entire boundary with respect to the region in the image.

이하, 본 발명의 실시예를 첨부한 도면들을 참조하여 상세히 설명하기로 한다.
Hereinafter, embodiments of the present invention will be described in detail with reference to the accompanying drawings.

도 1은 본 발명의 일 실시예에 따른 영상 분할 방법을 나타낸 순서도이고, 도 2는 본 발명의 일 실시예에 따른 영역 초기화를 설명하기 위해 도시한 도면이며, 도 3은 본 발명의 일 실시예에 따른 픽셀 전이 과정을 설명하기 위해 도시한 도면이다.FIG. 1 is a flowchart illustrating an image segmentation method according to an exemplary embodiment of the present invention. FIG. 2 is a diagram illustrating area initialization according to an embodiment of the present invention. And FIG. 7B is a view illustrating a pixel transition process according to the second embodiment.

일반적으로 카메라와 같은 영상 획득 장치를 통해 획득되는 영상은 단순히 객체 그 자체만 반영되는 것이 아니라 빛이나 조명 등에 의한 조도 조건도 함께 반영된다. 이에 따라, 영상에서 객체를 효과적으로 분할하기 위해서는 조도 조건과 같은 영상 특성을 반영해야만 한다.Generally, an image acquired through an image acquisition device such as a camera is not only reflected by the object itself, but also reflected by illumination conditions such as light or illumination. Accordingly, in order to effectively divide an object in an image, the image characteristic such as illumination condition must be reflected.

조도와 같은 영상 특성이 반영된 영상은 수 1과 같이 나타낼 수 있다.The image that reflects the image characteristics such as illumination can be represented as the number 1.

Figure 112015113604061-pat00001
Figure 112015113604061-pat00001

여기서, 제1 텀은 데이터 피델리티를 나타내며, 제2 텀은 정규화 특성을 나타낸다. Here, the first term represents the data fidelity, and the second term represents the normalization characteristic.

이하, 상기와 같은 영상에서 원하는 객체를 효과적으로 추출할 수 있도록 영상을 분할하는 방법에 대해서 상세히 설명하기로 한다.Hereinafter, a method of dividing an image so that a desired object can be effectively extracted from the image will be described in detail.

단계 110에서 영상 처리 장치(100)는 영상에서 복수의 영역을 설정한다.In step 110, the image processing apparatus 100 sets a plurality of areas in the image.

도 2의 210은 영상 분할을 위한 오리지널 영상을 나타내며, 도 2의 220은 랜덤하게 복수의 영역을 설정한 결과를 나타낸 것이다.In FIG. 2, reference numeral 210 denotes an original image for image segmentation, and reference numeral 220 in FIG. 2 denotes a result obtained by randomly setting a plurality of regions.

영상에서 복수의 영역을 설정하여 초기화하는 방법은 기설정된 개수(라벨수)로 영상을 양자화하여 N개의 영역으로 설정할 수 있다.In a method of setting and initializing a plurality of regions in an image, an image can be quantized into a number of N regions by a predetermined number (a number of labels).

다른 예로는, 영상에서 랜덤수의 픽셀을 선택하여 N개의 영역을 설정할 수도 있다.As another example, it is possible to set N regions by selecting a random number of pixels in the image.

이와 같이, 영상에서 복수의 영역 설정(즉, 초기화)가 완료되면, 단계 115에서 영상 처리 장치(100)는 각 영역에서 영상 특성 함수(fi)값을 구한다. 여기서, 영상 특성 함수(fi)값은 색상, 조도 및 휘도 중 어느 하나에 대한 값일 수 있다. j는 영상에서 각 영역에 대한 영상 특성인 색상, 조도, 휘도를 각각 나타내는 인덱스이다.As described above, when a plurality of area settings (i.e. initialization) are completed in the image, the image processing apparatus 100 obtains the image characteristic function f i in step 115. Here, the value of the image characteristic function (f i ) may be a value for any one of color, roughness and luminance. j is an index indicating color characteristics, illuminance, and luminance, which are image characteristics of each region in the image.

예를 들어, 영상 처리 장치(100)는 영상에서 영상 특성 함수값의 변위가 없는 영상 특성 함수값을 구할 수 있다. 이를 위해, 영상 처리 장치(100)는 노이만 경계 조건(Neumann boundary condition)을 이용할 수 있다.For example, the image processing apparatus 100 can obtain an image characteristic function value without displacement of an image characteristic function value in an image. To this end, the image processing apparatus 100 may use a Neumann boundary condition.

즉, 영상 처리 장치(100)는 하기 수 2를 이용하여 영상 특성 함수값을 구할 수 있다.That is, the image processing apparatus 100 can obtain the image characteristic value using the following equation (2).

Figure 112015113604061-pat00002
Figure 112015113604061-pat00002

여기서,

Figure 112015113604061-pat00003
는 영상의 픽셀을 나타내고,
Figure 112015113604061-pat00004
는 픽셀이 각 영역의 내부에 포함되면 값은 1이되고, 픽셀이 각 영역의 외부에 포함되면 값이 0이 되는 각 영역을 특정하기 위해 일반적으로 사용되는 특정 함수를 나타내고,
Figure 112015113604061-pat00005
은 노이만 경계 조건을 나타내며, x는 영상의 각 픽셀을 나타내고,
Figure 112015113604061-pat00006
는 영상 도메인을 나타내며,
Figure 112015113604061-pat00007
는 제어 파라미터로 상수값이다.here,
Figure 112015113604061-pat00003
Represents a pixel of an image,
Figure 112015113604061-pat00004
Indicates a specific function that is generally used to specify each area in which a value becomes 1 when a pixel is included in each area and a value becomes 0 when a pixel is included outside each area,
Figure 112015113604061-pat00005
Represents the Neumann boundary condition, x represents each pixel of the image,
Figure 112015113604061-pat00006
Represents a video domain,
Figure 112015113604061-pat00007
Is a constant value as a control parameter.

영상 처리 장치(100)는 켤레 그레디언트(conjugate gradient)를 이용하여 상기의 수 2를 풀어 영상 특성 함수(fi)값을 구할 수 있다.The image processing apparatus 100 can obtain the image characteristic function fi by solving the above equation 2 using a conjugate gradient.

단계 120에서 영상 처리 장치(100)는 구해진 각 영상 특성 함수(fi)값을 이용하여 각 영역을 결정하기 위한 목적함수(F)가 최소가 되는 영상 특성값을 결정한다. 각 영역에 대한 영상 특성 함수(fi)값은 복수로 구해질 수 있다. 이때 복수의 영상 특성 함수(fi)값 중 각각의 영상 특성 함수(fi)값은 색상, 휘도 및 조도 중 어느 하나의 영상 특성일 수 있다. 이에 따라, 영상 처리 장치(100)는 영상의 각 영역에 대해 조도 제1 영상 특성 함수(fi)값, 색상에 대한 제2 영상 특성 함수(fi)값, 휘도에 대한 제3 영상 특성 함수(fi)값을 계산할 수 있다. 따라서, 영상 처리 장치(100)는 계산된 각각의 영상 특성 함수(fi)값을 이용하여 목적함수(F)가 최소가 되는 영상 특성 함수(fi)값을 영상 특성값으로 결정할 수 있다. 따라서, 영상 특성값은 결과적으로 색상, 휘도 및 조도 중 어느 하나의 영상 특성일 수 있다. 결과적으로, 영상 특성값은 각 영역에 대한 영상 특성을 고려한 영상 특성함수값이 될 수 있다.In step 120, the image processing apparatus 100 determines an image characteristic value that minimizes the objective function F for determining each area by using the obtained image characteristic functions f i . The image characteristic function (f i ) values for each region can be obtained in plurality. The plurality of image characteristic function (f i) each of the image characteristics of the function value (f i) value can be any one of the image characteristic of the color, luminance and illuminance. Accordingly, the image processing apparatus 100 may calculate the first image characteristic value f i , the second image characteristic value f i , and the third image characteristic function f i for each region of the image, (f i ) can be calculated. Accordingly, the image processing apparatus 100 can determine the value of the image characteristic function f i , which minimizes the objective function F, as the image characteristic value by using the calculated values of the image characteristic functions f i . Accordingly, the image characteristic value may be an image characteristic of any one of color, brightness, and illumination. As a result, the image characteristic value may be an image characteristic value considering the image characteristic for each region.

예를 들어, 영상 처리 장치(100)는 영상에서 각 영상 특성함수(fi)값을 차감하여 제곱한 값이 최소가 되는 영상 특성 함수값을 영상 특성값으로 결정할 수 있다.For example, the image processing apparatus 100 may determine an image characteristic value that minimizes a value obtained by subtracting the value of each image characteristic function (f i ) from the image, as an image characteristic value.

영상 처리 장치(100)는 하기 수 3을 이용하여 영상 특성 함수(fi)을 반영한 각 영역을 결정하기 위한 영상 특성값을 결정할 수 있다.The image processing apparatus 100 can determine an image characteristic value for determining each area reflecting the image characteristic function f i by using the following equation (3).

Figure 112015113604061-pat00008
Figure 112015113604061-pat00008

여기서,

Figure 112015113604061-pat00009
는 영역 Ri의 근사치이고, j는 영상 특성을 나타내는 인덱스를 나타낸다. 이때, 영상 처리 장치(100)는 영상에서 각 영상 특성함수(fj)값을 차감하여 제곱한 값이 최소가 되는 영상 특성 함수값을 영상 특성값을 이용하여 각 영역을 갱신할 수 있다.here,
Figure 112015113604061-pat00009
Is an approximation of the area R i , and j represents an index representing the image characteristic. At this time, the image processing apparatus 100 can update each image feature value using the image feature value, which is obtained by subtracting each image feature function (f j ) from the image and squaring the value.

단계 125에서 영상 처리 장치(100)는 결정된 영상 특성값을 이용하여 영역을 갱신한다.In step 125, the image processing apparatus 100 updates the area using the determined image characteristic value.

보다 상세히 설명하면, 영상 처리 장치(100)는 결정된 영상 특성값을 이용하여 각 영역을 예측하고, 예측된 영역을 정규화시킨다.More specifically, the image processing apparatus 100 predicts each region using the determined image characteristic value, and normalizes the predicted region.

예를 들어, 영상 처리 장치(100)는 가우시안 커널을 이용하여 예측된 영상을 정규화할 수 있다. 즉, 영상 처리 장치(100)는 수 4를 이용하여 예측된 영상을 정규화할 수 있다.For example, the image processing apparatus 100 can normalize the predicted image using the Gaussian kernel. That is, the image processing apparatus 100 can normalize the predicted image using the number 4.

Figure 112015113604061-pat00010
Figure 112015113604061-pat00010

여기서,

Figure 112015113604061-pat00011
는 표준 편차를 나타내고,
Figure 112015113604061-pat00012
는 가우시안 커널을 나타내며,
Figure 112015113604061-pat00013
는
Figure 112015113604061-pat00014
에 대한 함수를 나타낸다.here,
Figure 112015113604061-pat00011
Represents the standard deviation,
Figure 112015113604061-pat00012
Represents a Gaussian kernel,
Figure 112015113604061-pat00013
The
Figure 112015113604061-pat00014
Lt; / RTI >

예측된 영역을 정규화하여 갱신된 영역을 수식으로 나타내면 수학식 5과 같이 나타낼 수 있다.The predicted area is normalized and the updated area is represented by the equation, as shown in equation (5).

Figure 112015113604061-pat00015
Figure 112015113604061-pat00015

여기서,

Figure 112015113604061-pat00016
이고,
Figure 112015113604061-pat00017
는 길이(length)를 위한 가중치이고,
Figure 112015113604061-pat00018
는 갱신된 영역을 나타내고,
Figure 112015113604061-pat00019
는 예측된 영역에 대한 정규화를 나타낸다.here,
Figure 112015113604061-pat00016
ego,
Figure 112015113604061-pat00017
Is a weight for length,
Figure 112015113604061-pat00018
Indicates an updated area,
Figure 112015113604061-pat00019
Represents the normalization for the predicted area.

단계 130에서 영상 처리 장치(100)는 각 영역에 대한 밴드를 결정한다.In step 130, the image processing apparatus 100 determines a band for each area.

예를 들어, 영상 처리 장치(100)는 각 영역의 유클리드 거리 맵을 이용하여 각 영역에 대한 밴드를 결정할 수 있다.For example, the image processing apparatus 100 can determine a band for each region using the Euclidean distance map of each region.

각 영역에 대한 밴드의 정의는 하기 수 6과 같다.The definition of the band for each region is as follows.

Figure 112015113604061-pat00020
Figure 112015113604061-pat00020

여기서,

Figure 112015113604061-pat00021
는 각 영역의 유클리드 거리 맵을 나타내고,
Figure 112015113604061-pat00022
를 나타낸다.here,
Figure 112015113604061-pat00021
Represents the Euclidean distance map of each region,
Figure 112015113604061-pat00022
.

단계 135에서 영상 처리 장치(100)는 임의의 영역에 포함된 픽셀이 다른 영역의 밴드에 포함되는지 여부를 판단한다.In step 135, the image processing apparatus 100 determines whether a pixel included in an arbitrary area is included in a band of another area.

만일 임의의 영역에 포함된 픽셀이 다른 영역의 밴드에 포함되지 않으면, 영상 처리 장치(100)는 픽셀 전이 과정을 수행하지 않는다. 이에 영상 처리 장치(100)는 단계 115로 진행할 수 있다.If a pixel included in an arbitrary region is not included in a band of another region, the image processing apparatus 100 does not perform the pixel transition process. Then, the image processing apparatus 100 may proceed to step 115.

그러나 만일 임의의 영역에 포함된 픽셀이 다른 영역의 밴드에 포함되는 경우, 단계 140에서 영상 처리 장치(100)는 해당 픽셀을 포함된 밴드의 다른 영역으로 전이시킨다. 여기서, 픽셀을 다른 영역으로 전이시킨다는 의미는 해당 픽셀의 영역(즉, 라벨)을 다른 영역(라벨)로 변경하는 것으로 이해되어야 할 것이다.However, if a pixel included in an arbitrary region is included in a band of another region, the image processing apparatus 100 transfers the pixel to another region of the included band in step 140. Here, the meaning of transferring the pixel to another area should be understood as changing the area (i.e., label) of the pixel to another area (label).

단계 130 내지 단계 140에서 설명된 바와 같이, 영상 처리 장치(100)는 영상 특성값을 이용하여 영역의 전체 윤곽이 갱신 과정을 수행한 후, 각 영역의 경계를 세밀하게 조정하는 픽셀 전이 과정을 수행할 수 있다.As described in steps 130 to 140, the image processing apparatus 100 performs a pixel transition process for finely adjusting the boundaries of the respective regions after the entire outline of the region is updated using the image characteristic values can do.

즉, 영상 처리 장치(100)는 임의의 영역에 포함된 픽셀이 다른 영역에 충분히 가깝게 위치되는 경우, 다른 영역으로 전이시킬 수 있다. 이때, 영상 처리 장치(100)는 유클리드 거리가 감소하는 영역으로 픽셀을 전이시킬 수 있다.That is, the image processing apparatus 100 can transfer the pixel included in an arbitrary area to another area when the pixel is located sufficiently close to the other area. At this time, the image processing apparatus 100 can transfer the pixels to the region where the Euclidean distance decreases.

도 3을 참조하면, p1는 R3에 더 인접해 있으므로, R3로 전이될 수 있고, p2는 R3에 더 인접해 있으므로, R3로 전이될 수 있으며, p1은 R1 또는 R2에 더 인접해 있으므로, R1 또는 R2로 전이될 수 있다.Referring to Figure 3, p 1, because it more adjacent to R 3, may be transferred to the R 3, p 2, so it more adjacent to R 3, may be transferred to the R 3, p 1 is R 1 or since it more adjacent to R 2, may be transferred to the R 1 or R 2.

영상 처리 장치(100)는 단계 115 내지 단계 140을 R1이 수렴될때까지 반복 수행할 수 있다.
The image processing apparatus 100 may repeat steps 115 to 140 until R 1 converges.

도 4는 본 발명의 일 실시예에 따른 영상 분할 결과를 비교한 도면이다.FIG. 4 is a diagram comparing image division results according to an embodiment of the present invention.

도 4의 410은 종래의 다중 위상 레벨 셋 방법에 따른 영상 분할 결과를 나타낸 것이고, 도 4의 420은 본 발명의 일 실시예에 따른 영상 분할 결과를 나타낸 것이다.FIG. 4 shows an image division result according to a conventional multi-phase level set method, and FIG. 4 (420) shows an image division result according to an embodiment of the present invention.

도 4의 중간에 포함된 영상 분할 결과는 글로벌-로컬 픽셀 전이 과정을 반복 수행한 결과를 나타낸 것이다.The result of the image segmentation included in the middle of FIG. 4 shows a result of repeating the global-local pixel transition process.

도 4에서 보여지는 바와 같이, 본 발명의 일 실시예에 따른 영상 분할 결과는 글로벌-로컬 픽셀 전이 과정을 반복에 따른 영역 갱신에 따라 종래의 방법에 비해 월등히 뛰어난 영상 분할이 수행되는 것을 알 수 있다.
As shown in FIG. 4, it can be seen that the image segmentation result according to the embodiment of the present invention is much superior to the conventional method according to the region update according to the repetition of the global-local pixel transition process .

도 5는 본 발명의 일 실시예에 따른 영상 분할 결과를 나타낸 도면이다.5 is a diagram illustrating an image division result according to an embodiment of the present invention.

도 5의 510은 오리지널 영상을 나타내고, 도 5의 520은 본 발명의 일 실시예에 따른 영상 분할 결과를 나타낸 도면이며, 도 5의 530은 본 발명의 일 실시예에 따른 픽셀 전이 과정이 추가된 영상 분할 결과를 나타낸 도면이다.In FIG. 5, reference numeral 510 denotes an original image, reference numeral 520 in FIG. 5 denotes an image division result according to an exemplary embodiment of the present invention, reference numeral 530 denotes a reference numeral 530 denotes a pixel addition process according to an embodiment of the present invention And FIG.

도 5에서 보여지는 바와 같이, 픽셀 전이 과정을 추가함으로써 전체 윤곽을 세밀하게 조정함으로써 보다 정확하고 정밀하게 영상 분할이 가능함을 알 수 있다.
As shown in FIG. 5, it can be seen that the image is divided more precisely by finely adjusting the entire outline by adding the pixel transition process.

도 6은 종래와 본 발명의 일 실시예에 따른 영상 분할 결과를 비교한 그래프이다. FIG. 6 is a graph comparing image segmentation results according to an embodiment of the present invention.

도 6에서는 MPMS(multiphase Mumford-Shah) 레벨 셋, CV(Chan-Vase)를 반영한 본 발명의 영상 분할 방법, MS(Mumford-Shah)를 반영한 본 발명의 영상 분할에 따른 결과를 각각 비교한 그래프이다.FIG. 6 is a graph comparing results of image segmentation according to the present invention, which reflects an image segmentation method of the present invention and a MS (Mumford-Shah) reflecting a multiphase Mumford-Shah (MPMS) level set and a chan- .

그래프에서 각 바는 F-measure의 최소값 및 최대값을 각각 나타내고, 라인은 중간값을 연결한 것이다. 도 6에서 보여지는 바와 같이, 본 발명의 일 실시예에 따른 영상 분할 방법이 초기화 및 편향된 영역의 밀집에도 불구하고 높은 F-measure을 가지는 것을 알 수 있다.
In the graph, each bar represents the minimum and maximum values of the F-measure, and the line is the median value. As shown in FIG. 6, it can be seen that the image segmentation method according to an embodiment of the present invention has a high F-measure despite the densification of the initialized and deflected regions.

도 7의 종래와 본 발명의 일 실시예에 따른 영상 분할 방법의 수행 시간 및 정확도를 비교한 그래프이다.7 is a graph comparing the execution time and the accuracy of the conventional image segmentation method according to an embodiment of the present invention.

도 7의 710은 다중위상 Mumford-Shah를 이용한 영상 분할 수행 시간과 본 발명의 일 실시예에 따른 영상 분할 방법에 따른 수행 시간을 비교한 그래프이다.7, a graph 710 compares the image segmentation execution time using the multi-phase Mumford-Shah and the image segmentation method according to an exemplary embodiment of the present invention.

도 7의 710에서 보여지는 바와 같이, 본 발명의 일 실시예에 따른 영상분할 방법이 종래의 다중 위상 Mumford-Shah 방법 보다 수행 시간이 빠른 것을 알 수 있다.7, it can be seen that the image segmentation method according to an embodiment of the present invention has a faster execution time than the conventional multiphase Mumford-Shah method.

도 7의 720은 영상 분할의 정확도를 비교한 그래프로, 본 발명의 일 실시예에 따른 영상 분할 방법이 종래의 다중 위상 Mumford-Shah 방법 보다 영상 분할의 정확도가 뛰어난 것을 알 수 있다.
In FIG. 7, 720 is a graph comparing the accuracy of image segmentation. It can be seen that the image segmentation method according to an embodiment of the present invention is superior to the conventional multiphase Mumford-Shah method in accuracy of image segmentation.

도 8은 본 발명의 일 실시예에 따른 영상 처리 장치의 내부 구성을 개략적으로 도시한 도면이다.8 is a view schematically showing an internal configuration of an image processing apparatus according to an embodiment of the present invention.

도 8을 참조하면, 본 발명의 일 실시예에 따른 영상 처리 장치(100)는 모델링부(810), 초기화부(815), 분할부(820), 메모리(825) 및 제어부(830)를 포함하여 구성된다.8, an image processing apparatus 100 according to an embodiment of the present invention includes a modeling unit 810, an initialization unit 815, a partitioning unit 820, a memory 825, and a control unit 830 .

모델링부(810)는 입력 영상에 조도 조건을 추가하여 영상을 모델링한다.The modeling unit 810 adds an illumination condition to the input image to model the image.

초기화부(815)는 영상에서 복수의 영역을 설정하기 위한 수단이다.The initialization unit 815 is means for setting a plurality of regions in the image.

예를 들어, 초기화부(815)는 기설정된 개수(라벨수)로 영상을 양자화하여 N개의 영역으로 설정할 수 있다.For example, the initialization unit 815 may quantize an image to a predetermined number (label number) and set it as N regions.

다른 예로는, 초기화부(815)는 영상에서 랜덤수의 픽셀을 선택하여 N개의 영역을 설정할 수도 있다.As another example, the initialization unit 815 may set N regions by selecting a random number of pixels from the image.

분할부(820)는 설정된 각 영역에 대한 영상 특성 함수(fj)값을 구하고, 구해진 영상 특성 함수(fj)를 이용하여 각 영역의 목적함수(F)를 최소로하는 영상 특성값을 결정한 후 이를 이용하여 영역을 예측하고, 예측된 영역을 정규화하여 갱신하는 과정을 반복 수행하여 영상을 분할하기 위한 수단이다.Divider 820 calculates the image characteristic functional value (f j) for each area is set by using the image characteristic function (f j) obtained determined the image property value of the objective function (F) of the respective regions to a minimum And then the region is predicted by using the region, and the process of normalizing and updating the predicted region is repeated to divide the image.

또한, 분할부(820)는 각 영역의 유클리드 거리 맵을 이용하여 각 영역에 대한 밴드를 결정하고, 임의의 영역에 포함된 픽셀이 다른 영역의 밴드에 포함되는 경우(즉, 임의의 영역에 포함된 픽셀이 다른 영역의 경계에 충분히 근접하여 위치된 경우) 픽셀을 다른 영역으로 전이시킬 수 있다. 이를 통해 분할부(820)는 영상에서 전체 윤곽을 설정한 후 세밀하게 윤곽을 조정할 수 있다.In addition, the dividing unit 820 determines a band for each region using the Euclidean distance map of each region, and when a pixel included in an arbitrary region is included in a band of another region (i.e., The pixel is positioned sufficiently close to the boundary of the other region). Accordingly, the segmenting unit 820 can precisely adjust the outline after setting the entire outline in the image.

분할부(820)는 영역이 수렴될때까지 영역 갱신 과정을 반복 수행하여 영상을 분할 수 있다.The division unit 820 may repeat the region update process until the region converges to divide the image.

메모리(825)는 본 발명의 일 실시예에 따른 영상 처리 장치(100)를 운용하기 위해 필요한 다양한 알고리즘, 영상 분할 과정에서 생성된 데이터 등을 저장하기 위한 수단이다.The memory 825 is a means for storing various algorithms necessary for operating the image processing apparatus 100 according to an embodiment of the present invention, data generated in the image segmentation process, and the like.

제어부(830)는 본 발명의 일 실시예에 다른 영상 처리 장치(100)의 내부 구성 요소들(예를 들어, 모델링부(810), 초기화부(815), 분할부(820), 메모리(825) 등)을 제어하기 위한 수단이다.
The control unit 830 controls the internal components (for example, the modeling unit 810, the initialization unit 815, the partitioning unit 820, the memory 825, and the like) of the image processing apparatus 100 according to an embodiment of the present invention. ), And the like).

한편, 본 발명의 실시예에 따른 영상 분할 방법은 다양한 전자적으로 정보를 처리하는 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 저장 매체에 기록될 수 있다. 저장 매체는 프로그램 명령, 데이터 파일, 데이터 구조등을 단독으로 또는 조합하여 포함할 수 있다. Meanwhile, the image segmentation method according to an exemplary embodiment of the present invention may be implemented in a form of a program command that can be executed through a variety of means for processing information electronically and recorded in a storage medium. The storage medium may include program instructions, data files, data structures, and the like, alone or in combination.

저장 매체에 기록되는 프로그램 명령은 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 소프트웨어 분야 당업자에게 공지되어 사용 가능한 것일 수도 있다. 저장 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 전자적으로 정보를 처리하는 장치, 예를 들어, 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. Program instructions to be recorded on the storage medium may be those specially designed and constructed for the present invention or may be available to those skilled in the art of software. Examples of storage media include magnetic media such as hard disks, floppy disks and magnetic tape, optical media such as CD-ROMs and DVDs, magneto-optical media such as floptical disks, magneto-optical media and hardware devices specifically configured to store and execute program instructions such as ROM, RAM, flash memory, and the like. Examples of program instructions include machine language code such as those produced by a compiler, as well as devices for processing information electronically using an interpreter or the like, for example, a high-level language code that can be executed by a computer.

상술한 하드웨어 장치는 본 발명의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
The hardware devices described above may be configured to operate as one or more software modules to perform the operations of the present invention, and vice versa.

상기에서는 본 발명의 바람직한 실시예를 참조하여 설명하였지만, 해당 기술 분야에서 통상의 지식을 가진 자라면 하기의 특허 청구의 범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.It will be apparent to those skilled in the art that various modifications and variations can be made in the present invention without departing from the spirit or scope of the invention as defined in the appended claims. It will be understood that the invention may be varied and varied without departing from the scope of the invention.

810: 모델링부
815: 초기화부
820: 분할부
825: 메모리
830: 제어부810: Modeling unit
815:
820: Division
825: Memory
830:

Claims (8)

영상에서 N(자연수)개의 영역을 임의로 설정하는 단계;
상기 N개의 영역 각각에 대해 영상 특성을 고려한 복수의 영상 특성 함수값(fi)을 각각 구하는 단계-상기 영상 특성은 색상, 휘도 및 조도 중 어느 하나임;
상기 N개의 영역 각각에 대해 구해진 각각의 영상 특성 함수값을 상기 영상에서 차감하여 제곱한 값이 최소가 되는 영상 특성 함수값을 영상 특성값으로 결정하는 단계; 및
상기 N개의 영역 각각에 대해 결정된 영상 특성값에 해당하는 영상의 픽셀을 각 영역에 포함시켜 상기 N개의 영역을 각각 갱신하는 단계를 포함하는 영상 분할 방법.(N) number of regions in the image;
Obtaining a plurality of image characteristic function values (f i ) considering image characteristics for each of the N regions, wherein the image characteristic is one of color, brightness, and illuminance;
Determining an image characteristic value that minimizes a value obtained by squaring each image characteristic value obtained for each of the N regions from the image, as an image characteristic value; And
And updating each of the N regions by including pixels of an image corresponding to an image characteristic value determined for each of the N regions in each region. 제1 항에 있어서,
상기 영상 특성 함수(fj)값은 켤레 그레디언트(conjugate gradient)를 이용하여 구하는 것을 특징으로 하는 영상 분할 방법.The method according to claim 1,
Wherein the value of the image characteristic function (f j ) is obtained by using a conjugate gradient. 제1 항에 있어서,
상기 영상 특성 함수(fi)값은 하기 수식을 이용하여 구하는 것을 특징으로 하는 영상 분할 방법.
Figure 112015113604061-pat00023

여기서,
Figure 112015113604061-pat00024
는 영상의 픽셀을 나타내고,
Figure 112015113604061-pat00025
는 픽셀이 각 영역의 내부에 포함되면 값은 1이되고, 픽셀이 각 영역의 외부에 포함되면 값이 0이 되는 각 영역을 특정하기 위해 일반적으로 사용되는 특정 함수를 나타내고,
Figure 112015113604061-pat00026
은 노이만 경계 조건을 나타내며, x는 영상의 각 픽셀을 나타내고,
Figure 112015113604061-pat00027
는 영상 도메인을 나타내며,
Figure 112015113604061-pat00028
는 제어 파라미터로 상수값임.The method according to claim 1,
Wherein the image characteristic function (f i ) is obtained by using the following equation.
Figure 112015113604061-pat00023

here,
Figure 112015113604061-pat00024
Represents a pixel of an image,
Figure 112015113604061-pat00025
Indicates a specific function that is generally used to specify each area in which a value becomes 1 when a pixel is included in each area and a value becomes 0 when a pixel is included outside each area,
Figure 112015113604061-pat00026
Represents the Neumann boundary condition, x represents each pixel of the image,
Figure 112015113604061-pat00027
Represents a video domain,
Figure 112015113604061-pat00028
Is a constant value as a control parameter. 제1 항에 있어서,
상기 N개의 영역의 갱신 단계 이후 상기 영역의 밴드(band)를 결정하는 단계를 더 포함하되,
상기 영역의 밴드는 하기 수식을 이용하여 결정되는 것을 특징으로 하는 영상 분할 방법.
Figure 112016010700469-pat00029

여기서, Ri은 영역이고,
Figure 112016010700469-pat00046
는 상기 영역의 유클리드 거리 맵을 나타내고, x는 영상의 각 픽셀을 나타내고,
Figure 112016010700469-pat00047
는 영상 도메인을 나타내며,
Figure 112016010700469-pat00048
이며,
Figure 112016010700469-pat00049
는 표준편차를 나타냄.The method according to claim 1,
Further comprising the step of determining a band of the region after the update of the N regions,
Wherein the band of the region is determined using the following equation.
Figure 112016010700469-pat00029

Here, R i is the area,
Figure 112016010700469-pat00046
Represents the Euclidean distance map of the region, x represents each pixel of the image,
Figure 112016010700469-pat00047
Represents a video domain,
Figure 112016010700469-pat00048
Lt;
Figure 112016010700469-pat00049
Represents the standard deviation. 제4 항에 있어서,
임의의 영역에 포함된 픽셀이 다른 영역의 밴드에 포함되는 경우, 상기 픽셀을 상기 다른 영역으로 전이시키는 단계를 더 포함하는 영상 분할 방법. 5. The method of claim 4,
And transitioning the pixel to the other region when a pixel included in an arbitrary region is included in a band of another region. 제5 항에 있어서,
상기 갱신된 영역의 정규화는 하기 수식을 이용하는 것을 특징으로 하는 영상 분할 방법.
Figure 112016010700469-pat00033

Figure 112016010700469-pat00050
는 가우시안 커널을 나타내고,
Figure 112016010700469-pat00051
는 영상 특성의 표준편차를 나타내며, 상기
Figure 112016010700469-pat00052
는
Figure 112016010700469-pat00053
에 대한 함수를 나타내고, x는 영상의 각 픽셀을 나타내고,
Figure 112016010700469-pat00054
는 영상 도메인을 나타내며 Ri은 영역임.6. The method of claim 5,
Wherein the normalization of the updated area uses the following equation.
Figure 112016010700469-pat00033

Figure 112016010700469-pat00050
Represents a Gaussian kernel,
Figure 112016010700469-pat00051
Represents the standard deviation of the image characteristic,
Figure 112016010700469-pat00052
The
Figure 112016010700469-pat00053
, X represents each pixel of the image,
Figure 112016010700469-pat00054
Represents the image domain and R i is the domain. 제1 항에 따른 방법을 수행하기 위한 프로그램 코드를 기록한 컴퓨터로 판독 가능한 기록매체 제품.A computer-readable recording medium on which program code for performing the method according to claim 1 is recorded. 영상에서 N(자연수)개의 영역을 임의로 설정하는 초기화부; 및
상기 N개의 영역 각각에 대해 영상 특성을 고려한 복수의 영상 특성 함수(fj)값을 각각 구하고, 상기 N개의 영역 각각에 대해 구해진 각각의 영상 특성함수값을 상기 영상에서 차감하여 제곱한 값이 최소가 되는 영상 특성 함수값을 영상 특성값으로 결정하며, 상기 N개의 영역 각각에 대해 결정된 영상 특성값에 해당하는 영상의 픽셀을 각 영역에 포함시켜 상기 N개의 영역을 각각 갱신하는 분할부를 포함하되,
상기 영상 특성은 색상, 휘도 및 조도 중 어느 하나인 것을 특징으로 하는 영상 처리 장치.
An initialization unit for arbitrarily setting N (natural number) regions in the image; And
A plurality of image characteristic functions (fj) considering image characteristics are respectively obtained for each of the N regions, and a value obtained by squaring each image characteristic function value obtained for each of the N regions by the image is minimum And a division unit for determining the image characteristic value as an image characteristic value and updating each of the N regions by including pixels of an image corresponding to the determined image characteristic value for each of the N regions in each region,
Wherein the image characteristic is one of color, brightness, and illuminance.
KR1020150163532A 2015-11-20 2015-11-20 Image segment method and apparatus KR101612239B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020150163532A KR101612239B1 (en) 2015-11-20 2015-11-20 Image segment method and apparatus

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020150163532A KR101612239B1 (en) 2015-11-20 2015-11-20 Image segment method and apparatus

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
KR1020130145425A Division KR20150061693A (en) 2013-11-27 2013-11-27 Image segment method and apparatus

Publications (2)

Publication Number Publication Date
KR20150141164A KR20150141164A (en) 2015-12-17
KR101612239B1 true KR101612239B1 (en) 2016-04-14

Family

ID=55081042

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020150163532A KR101612239B1 (en) 2015-11-20 2015-11-20 Image segment method and apparatus

Country Status (1)

Country Link
KR (1) KR101612239B1 (en)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11057624B2 (en) 2016-10-14 2021-07-06 Industry Academy Cooperation Foundation Of Sejong University Image encoding method/device, image decoding method/device, and recording medium in which bitstream is stored
CN116489404A (en) 2016-10-14 2023-07-25 世宗大学校产学协力团 Video decoding/encoding method, method for transmitting bit stream, and recording medium

Also Published As

Publication number Publication date
KR20150141164A (en) 2015-12-17

Similar Documents

Publication Publication Date Title
US8401232B2 (en) Method, device, and computer-readable medium of object detection
US8331619B2 (en) Image processing apparatus and image processing method
US10592820B2 (en) Sequential learning technique for medical image segmentation
US7630530B2 (en) System and method for fast tensor field segmentation
US10984222B2 (en) Method, apparatus and system for 3D face tracking
US9299145B2 (en) Image segmentation techniques
US20210012504A1 (en) Encoder Regularization of a Segmentation Model
BR112014016301B1 (en) Method and apparatus for comparing a first image with a second image, system, and method for retrieving images
KR102119057B1 (en) Method for learning fracture diagnosis model and apparatus for the same
US8014581B2 (en) 3D segmentation of the colon in MR colonography
Abdelsamea et al. A SOM-based Chan–Vese model for unsupervised image segmentation
KR101612239B1 (en) Image segment method and apparatus
KR20210073622A (en) Method and apparatus for measuring volume of organ using artificial neural network
KR20210000542A (en) Method and apparatus for segmentation of specific cartilage in medical image
Chen et al. Fast asymmetric fronts propagation for image segmentation
KR101981284B1 (en) Apparatus Processing Image and Method thereof
US7983464B2 (en) System and method for corpus callosum segmentation in magnetic resonance images
KR102369413B1 (en) Image processing apparatus and method
KR101524944B1 (en) Multi-region image segmentation method and apparatus
US10460449B2 (en) Image processing apparatus, image processing method, and image processing system for extracting regions of interest
Jud et al. A localized statistical motion model as a reproducing kernel for non-rigid image registration
WO2021097595A1 (en) Method and apparatus for segmenting lesion area in image, and server
KR20180072549A (en) Method and apparatus for image segmentation
Ray A concave cost formulation for parametric curve fitting: Detection of leukocytes from intravital microscopy images
WO2006110398A2 (en) Estimation of solitary pulmonary nodule diameters with a hybrid segmentation approach

Legal Events

Date Code Title Description
A107 Divisional application of patent
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
R401 Registration of restoration