KR20080012954A - 정보 처리 장치 및 정보 처리 방법, 화상 처리 장치 및화상 처리 방법, 및 컴퓨터 프로그램 - Google Patents

정보 처리 장치 및 정보 처리 방법, 화상 처리 장치 및화상 처리 방법, 및 컴퓨터 프로그램

Info

Publication number
KR20080012954A
KR20080012954A KR1020077028730A KR20077028730A KR20080012954A KR 20080012954 A KR20080012954 A KR 20080012954A KR 1020077028730 A KR1020077028730 A KR 1020077028730A KR 20077028730 A KR20077028730 A KR 20077028730A KR 20080012954 A KR20080012954 A KR 20080012954A
Authority
KR
South Korea
Prior art keywords
image
node
nodes
processing
area
Prior art date
Application number
KR1020077028730A
Other languages
English (en)
Inventor
프랑크 니엘센
Original Assignee
소니 가부시끼 가이샤
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 소니 가부시끼 가이샤 filed Critical 소니 가부시끼 가이샤
Publication of KR20080012954A publication Critical patent/KR20080012954A/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T19/00—Manipulating 3D models or images for computer graphics
    • G06T19/20—Editing of 3D images, e.g. changing shapes or colours, aligning objects or positioning parts
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
    • G06T17/205—Re-meshing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Computer Graphics (AREA)
  • Geometry (AREA)
  • Multimedia (AREA)
  • Architecture (AREA)
  • Computer Hardware Design (AREA)
  • General Engineering & Computer Science (AREA)
  • Processing Or Creating Images (AREA)
  • Image Analysis (AREA)

Abstract

인터랙티브한 어플리케이션에 적합한 프로그레시브한 메쉬 세그멘테이션 처리를 고속이면서도 높은 정밀도로 행한다. 화상 처리 장치(10)는, 처리 대상으로 되는 3차원 화상 정보를 인접 그래프의 형식으로 입력하는 화상 정보 입력부(1)와, 입력된 인접 그래프의 각 엣지를 평가하여 소팅을 행하는 인접 그래프 평가부(2)와, 소팅된 순서에 따라서 엣지를 삽입하는 화상 영역의 페어를 취출하고, 이들을 통계적 처리 알고리즘에 기초하여 평가해서 통합 처리를 행하는 화상 영역 통합 처리부(3)와, 화상 영역의 통합 처리를 한 결과로서 남겨진 미세한 영역을 처리하는 미소 영역 처리부(4)를 구비한다.
메쉬 세그멘테이션, 노드 통계 정보, 인접 그래프, 파라미터, 엣지, 화상 영역, 통계적 처리 알고리즘, 통합 처리

Description

정보 처리 장치 및 정보 처리 방법, 화상 처리 장치 및 화상 처리 방법, 및 컴퓨터 프로그램{IMAGE PROCESSING DEVICE AND IMAGE PROCESSING METHOD AND COMPUTER PROGRAM}
본 발명은, 방대한 데이터를 취급하는 정보 처리 장치에 관한 것으로, 개개를 지각할 수 없는 다수의 노드로 이루어지는 미처리의 데이터를 세그먼트라고 불리는 지각 가능한 소수의 단위로 성장시키는 정보 처리 장치에 관한 것이다.
구체적으로는, 본 발명은, 물리적인 오브젝트의 2차원적 이미지를 생성하여 표시하기 위한 화상 처리 장치 및 화상 처리 방법, 및 컴퓨터 프로그램에 관한 것으로, 특히, 오브젝트를 미세한 폴리곤 등의 다수의 노드의 집합체 즉 세그먼트로서 취급하여, 오브젝트의 2차원적 이미지 처리 등을 행하는 화상 처리 장치 및 화상 처리 방법, 및 컴퓨터 프로그램에 관한 것이다.
더욱 상세히 설명하면, 본 발명은, 화상 영역의 분할이나, 분할한 영역의 통합(merge) 등의 처리를 행하고, 다각형 메쉬를 적당한 성기기로 조정하는 메쉬 세그멘테이션 처리를 행하는 화상 처리 장치 및 화상 처리 방법, 및 컴퓨터 프로그램에 관한 것으로, 예를 들면 2차원 또는 3차원의 컴퓨터 그래픽스를 이용하는 어플리케이션에 따라서 프로그레시브한 메쉬 세그멘테이션 처리를 행하는 화상 처리 장치 및 화상 처리 방법, 및 컴퓨터 프로그램에 관한 것이다.
컴퓨터 상에서는, 텍스트 형식의 문서 파일 이외에, 음성, 화상, 자연 언어 등의 다양한 미디어를 디지털화하여, 수학적으로 취급함으로써, 정보의 편집·가공, 축적, 관리, 전달, 공유라고 하는, 보다 고도이고 다방면에 걸친 데이터 처리를 행하는 것이 가능하게 되어 있다. 예를 들면, 컴퓨터를 이용하여 화상에 대하여 변형이나 색의 변경, 화질 향상, 재부호화 등의 디지털 이미지 처리를 행하는 화상 처리 기술은 광범위하게 보급되어 있다. 이 화상 처리 기술에는, 풍경 사진 속에서 미관을 해치는 전신주 등의 물체를 제거하는 특수 효과나, 사람의 얼굴로부터 동물의 얼굴로 매끄럽게 변화시키는 모핑 등도 포함된다. 또한, 인공 위성으로부터 보내져 오는 사진 영상의 처리나, CT 스캐너에 의해 판독된 진단 화상의 처리 등, 화상 처리 기술은 과학이나 의료 등의 각종 전문 분야에도 적용되고 있다.
예를 들면, 2차원 또는 3차원의 물리 오브젝트의 이미지를 생성하여 표시하는 화상 처리 기술은 「컴퓨터 그래픽스(CG)」라고 불리며, 각광을 받고 있다. 이와 같은 그래픽 시스템은, 일반적으로, 프론트 엔드로서의 지오메트리 서브 시스템과, 백 엔드로서의 래스터 서브 시스템으로 구성된다. 이 중, 지오메트리 서브 시스템에서는, 오브젝트를 다수의 미세한 폴리곤(통상은 3각형)의 집합체 즉 다각형 메쉬로서 취급하고, 폴리곤을 정의하는 각 정점에 대하여, 좌표 변환이나, 클립핑, 광원 계산이라고 하는 기하학 계산을 행한다.
여기에서, 원래의 오브젝트를 영역 분할한 메쉬의 성기기는, 처리 부하나 화질에 크게 영향을 준다. 원래의 오브젝트를 보다 미세한 화상 영역으로 영역 분할 하면, 처리 대상으로 하는 정점의 개수도 이에 비례하여 증대하므로, 처리량도 증대한다. 또한, 다각형의 사이즈를 크게 하면, 최종적인 성과물로서의 화상은 성기어진다. 이 때문에, 화상 영역의 분할이나, 분할한 영역의 통합(merge) 등의 처리를 행하고, CG를 이용하는 어플리케이션에 따라서 다각형 메쉬를 적당한 성기기로 조정한다고 하는 메쉬 세그멘테이션 처리가 필요해진다.
메쉬 세그멘테이션은, 생(raw)의 데이터를 「세그먼트(segment)」라고 불리는 지각 가능한 소수의 단위로 성장시키기 위한 기본적인 방법이다. 메쉬 세그멘테이션은, 1970대에서의 컴퓨터 화상 처리의 초기부터 연구가 시작되었지만(예를 들면, 비특허 문헌 1을 참조), 아직 활발한 분야이다. 당초부터, 메쉬 세그멘테이션은, 컬러 이미지, 동화상, 거리 화상(depth image 혹은 range image로서 알려짐), 3차원 입체 데이터, 3차원 메쉬 등을 취급하고 있다. 메쉬 세그멘테이션 처리에 있어서, 성기기가 서로 다른 복수의 다각형 메쉬(세그먼트)를 작성함으로써, 계층화 세그멘테이션을 실현할 수 있다. 또한, 계층적인 메쉬 세그멘테이션을 프로그레시브, 즉 매끄럽게 행함으로써, 화상을 이용하는 어플리케이션의 폭이 넓어진다.
예를 들면, 퍼지한 화상 클러스터링, 및 화상 절단 방법을 이용한 계층화 메쉬 분해를 행하는 메쉬 세그멘테이션 처리에 대하여 제안이 이루어져 있다(예를 들면, 비특허 문헌 2를 참조).
메쉬 세그멘테이션은, 기본적으로는, 인접하는 화상 영역간의 유사도에 기초하여 처리된다. 예를 들면, 입력 영상의 색 신호를 소정의 색 공간으로 변환하고, 입력 영상의 색 화소가 이 색 공간에서 차지하는 위치에 따라서 입력 영상을 복수의 영역으로 분할하는 초기 영상 분할을 행하고, 분할된 영역간의 수평적인 인접 관계 및 수직적인 포함 관계에 따라서 분할된 영역을 복수의 레이어로 나누고, 각 레이어 내에서 인접하는 영역을 그룹핑하여 레이어마다 형성된 영역 그룹간의 수직적인 포함 관계를 추출하여 영역을 구조화하고, 각 영역간의 수평적인 관계 및 영역 그룹간의 수직적인 포함 관계에 따라서 각 영역간의 결합 순위를 결정하고, 결정된 결합 순위에 기초하여 인접 영역간의 결합의 성부를 평가하여, 평가된 영역이 실질적으로 동일한 영상 특성을 갖는 영역이라고 판단되면 영역의 결합을 행할 수 있다(예를 들면, 특허 문헌 1을 참조).
그러나, 종래의 메쉬 세그멘테이션 처리에서는 주로, 영역 성장(region growing), 또는 계층적/반복적/광학적(hierarcical/iterative/spectral)인 클러스터링을 행한다. 즉 배열을 이용한 대수 연산을 반복하여 행하기 때문에, 처리 속도가 느리다. 예를 들면, 400개 정도의 폴리곤을 처리하는 데에 1∼57초의 시간을 필요로 하기 때문에, 성기기가 서로 다른 복수의 메쉬 세그멘테이션을 프로그레시브하게 생성하기는 어렵다. 또한, 시스템에 스케일러빌리티가 없고, 폴리곤 수가 증가하면, 처리 시간은 현저하게 증대하게 된다. 이 때문에, 퍼스널 컴퓨터(PC)와 같은 일반적인 계산기로 처리하는 것이 곤란하며, 또한, 실시간성이 요구되는 인터랙티브한 어플리케이션에 적용할 수가 없다. 또한, 원래의 오브젝트에 관한 오리지날 정보가 상실되는, 다수의 파라미터치를 조정해야만 한다고 하는 문제도 있다.
[특허 문헌 1] 일본 특허 공개 2001-43380호 공보
[비특허 문헌 1] A.Rosenfeld, "Picture processing by computer"(Academic Press, 1969)
[비특허 문헌 2] Sagi Katz and Ayellet Tal, "Hierarchical mesh decomposition using fuzzy clustering and cots."(In Proc. SIGGRAPH(2003). ACM Trans. onGraphics22, 3(2003), 382-391)
<발명의 개시>
<발명이 해결하고자 하는 과제>
본 발명의 목적은, 개개를 지각할 수 없는 다수의 미소한 노드로 이루어지는 미처리의 데이터를 세그먼트라고 불리는 지각 가능한 소수의 단위로 성장시킬 수 있는, 우수한 정보 처리 장치 및 정보 처리 방법, 및 컴퓨터 프로그램을 제공하는 데에 있다.
본 발명의 또 다른 목적은, 물리적인 오브젝트를 다수의 미세한 노드의 집합체(즉 세그먼트)로서 취급하고, 노드끼리의 통합 처리에 의해 세그먼트를 성장시킴으로써, 오브젝트의 2차원적 이미지를 처리할 수 있는, 우수한 화상 처리 장치 및 화상 처리 방법, 및 컴퓨터 프로그램을 제공하는 데에 있다.
본 발명의 또 다른 목적은, 화상 영역의 분할이나, 분할한 영역의 통합(merge) 등의 처리를 행하여 영역을 성장시켜, 다각형 메쉬를 적당한 성기기로 조정하는 메쉬 세그멘테이션 처리를 바람직하게 행할 수 있는, 우수한 화상 처리 장치 및 화상 처리 방법, 및 컴퓨터 프로그램을 제공하는 데에 있다.
본 발명의 또 다른 목적은, 2차원 또는 3차원의 컴퓨터 그래픽스를 이용하는 어플리케이션에 따라서 프로그레시브한 메쉬 세그멘테이션 처리를 고속이면서도 높은 정밀도로 행할 수 있는, 우수한 화상 처리 장치 및 화상 처리 방법, 및 컴퓨터 프로그램을 제공하는 데에 있다.
<과제를 해결하기 위한 수단>
본 발명은, 상기 과제를 참작하여 이루어진 것으로, 그 제1 측면은, 각각 속성치를 갖는 복수의 노드로 토폴로지가 형성된 데이터를 취급하는 정보 처리 장치로서, 상기 토폴로지 상에서 인접하는 노드끼리가 각각 갖는 속성치에 기초하여 노드간을 연결하는 엣지의 가중 인자를 구하고, 가중 인자에 기초하여 엣지를 소팅하는 토폴로지 평가부와, 그 소팅된 순서에 따라서, 엣지로 연결되는 노드의 페어를 취출하고, 그 노드끼리를 통합해야 할지의 여부를 소정의 통계적 처리 알고리즘에 기초하여 평가하고, 노드 영역의 통합 처리를 행하는 노드 통합 처리부를 구비하는 것을 특징으로 하는 정보 처리 장치이다.
본 발명의 제1 측면에 따르면, 인접하는 노드끼리를 통합해야 할지의 여부를 통계적 처리 알고리즘에 기초하여 판단하고, 노드의 통합을 반복하여 실행하여 감으로써, 개개를 지각할 수 없는 다수의 노드로 이루어지는 미처리의 데이터로부터, 세그먼트라고 불리는 지각 가능한 소수의 단위로 성장시킬 수 있다. 여기에서 말하는 통계적 처리 알고리즘에서는, 예를 들면 각 노드가 각각 갖는 속성 정보에서의 집중 불균형(concentration in-equality) 현상에서 도출되는 판단식에 기초하여, 인접하는 노드끼리가 유사한지, 바꿔 말하면 노드를 통합할 수 있는지의 여부를 판별한다.
이와 같은 통계적 처리 알고리즘에 기초한 노드의 통합 처리는, 각 노드가 갖는 속성 정보를 통계 처리한다고 하는 간소한 계산으로 구성된다는 점에서 고속화가 가능하다. 예를 들면, 퍼스널 컴퓨터 등의 일반적인 계산기를 이용하여 매초 100만 개의 다각형을 처리할 수 있다. 또한, 판단식에 포함되는 파라미터치를 조정함으로써, 노드끼리를 통합하는 기준을 자재로 설정하여, 원하는 성기기의 세그먼트까지 성장시킬 수 있어, 시스템은 스케일러빌리티를 갖는다.
따라서, 본 발명의 제1 측면에 따르면, 미처리의 데이터를 구성하는 복수의 노드의 토폴로지를 입력치로 하고, 노드의 통합 처리를 통계적 처리 알고리즘에 따라서 재귀적으로 행하여 감(즉, mesh growing을 행함)으로써, 임의의 성기기의 세그먼트를 생성할 수 있다. 또한, 통계적 처리 알고리즘에 기초한 판단식의 파라미터치를 변경함으로써, 성기기가 서로 다른 복수의 세그먼트를 원활하게 생성할 수 있다.
또한, 본 발명의 제2 측면은, 오브젝트를 복수의 다각형으로 이루어지는 다각형 메쉬로서 취급하여 화상 처리를 행하는 화상 처리 장치로서, 다각형 메쉬를 기술하는 인접 그래프를 입력하는 인접 그래프 입력부와, 엣지로 연결되는 각 화상 영역이 갖는 속성치를 비교하고 비교 결과에 기초하여 가중 인자를 엣지에 부여하고, 가중치에 기초하여 인접 그래프 내의 엣지를 소팅하는 인접 그래프 평가부와, 소팅된 순서에 따라서 엣지를 삽입하는 화상 영역의 페어를 취출하고, 화상 영역끼리를 통계적 처리 알고리즘에 기초하여 통합해야 할지의 여부를 평가하고, 화상 영역의 통합 처리를 행하는 화상 영역 통합 처리부를 구비하는 것을 특징으로 하는 화상 처리 장치이다. 이 화상 처리 장치는, 화상 영역의 통합 처리를 한 결과로서 남겨진 미세한 영역을 처리하는 미소 영역 처리부를 더 구비할 수 있다.
본 발명의 제2 측면은, 2차원 또는 3차원의 물리 오브젝트의 2차원적 이미지를 생성하여 표시하기 위한 화상 처리 장치에 관한 것이다. 컴퓨터 그래픽스의 분야에서는, 통상적으로, 처리 대상으로 되는 오브젝트를 다수의 미세한 폴리곤(통상은 3각형)의 집합체 즉 다각형 메쉬로서 취급하여, 화상 처리를 행한다. 다각형 메쉬의 성기기는, 처리 부하나 화질에 크게 영향을 주기 때문에, 화상 영역의 분할이나, 분할한 영역의 통합(merge) 등의 처리를 행하고, 3DCG를 이용하는 어플리케이션에 따라서 다각형 메쉬를 적당한 성기기로 조정한다고 하는 메쉬 세그멘테이션 처리가 필요해진다. 또한, 메쉬 세그멘테이션을 프로그레시브 즉 매끄럽게 행함으로써, 화상을 이용하는 어플리케이션의 폭이 넓어진다.
그런데, 종래의 방법에 있어서, 처리 속도가 늦고, 일반적인 계산기에서는 프로그레시브한 메쉬 세그멘테이션 처리의 실현이 곤란함과 함께, 인터랙티브한 어플리케이션에 적용하는 것은 불가능하다.
이에 대하여, 본 발명의 제2 측면에서는, 인접하는 화상 영역을 통합해야 할지의 여부를 통계적 처리 알고리즘에 기초하여 판단하여 감으로써, 3차원 오브젝트를 분할한 미소한 다수의 다각형으로부터, 화상 영역의 통합을 반복하여 실행하여, 원하는 성기기로 이루어지는 다각형 메쉬를 생성하도록 하고 있다. 여기에서 말하는 통계적 처리 알고리즘에서는, 예를 들면 화상 영역을 구성하는 다각형의 면적에서의 집중 불균형 현상으로부터 도출되는 판단식에 기초하여, 인접하는 화상 영역 끼리가 유사하거나, 바꿔 말하면 화상 영역을 통합할 수 있는지의 여부를 판별한다.
이와 같은 통계적 처리 알고리즘에 기초한 화상 영역의 통합 처리는, 다각형의 면적을 통계 처리한다고 하는 간소한 계산으로 구성된다는 점에서 고속화가 가능하다. 예를 들면, 퍼스널 컴퓨터 등의 일반적인 계산기를 이용하여 매초 100만 개의 다각형을 처리할 수 있다. 또한, 판단식에 포함되는 파라미터치를 조정함으로써, 화상 영역끼리를 통합하는 기준을 자재로 설정하여, 원하는 성기기의 다각형 메쉬를 생성할 수 있어, 시스템은 스케일러빌리티를 갖는다.
따라서, 본 발명에 따르면, 처리 대상으로 하는 물리 오브젝트를 분할한 미소한 다수의 다각형의 집합을 입력치로 하고, 다각형 메쉬로 이루어지는 화상 영역의 통합 처리를 통계적 처리 알고리즘에 따라서 행하여 감(즉, mesh growing을 행함)으로써, 임의의 성기기의 다각형 메쉬를 생성할 수 있다. 또한, 통계적 처리 알고리즘에 기초한 판단식의 파라미터치를 변경함으로써, 성기기가 서로 다른 복수의 다각형 메쉬를 원활하게 생성할 수 있다. 즉, 프로그레시브한 메쉬 세그멘테이션을 실현할 수 있는, 다양한 인터랙티브한 어플리케이션에 적용할 수 있다.
본 발명에 따른 메쉬 세그멘테이션의 어플리케이션으로서, 예를 들면, 파라메탈리제이션 및 텍스쳐 맵핑, 화상 변형(morphing), 다해상도 모델링, 화상 편집, 화상 압축, 애니메이션, 및 형상 매칭, 등을 들 수 있다.
화상 처리의 분야에서는 일반적으로, 화상 영역으로서의 다각형 메쉬를, 그 구성 요소로 되는 복수의 다각형간의 관계를 기술한 인접 그래프(Incidence Graph) 의 형식으로 표현한다. 본 발명에 따른 메쉬 세그멘테이션 방법에서는, 다각형 메쉬를 구성하는 개개의 다각형을 노드로서 취급하고, 인접하는 다각형끼리가 접하는 변에 상당하는 엣지를 이용하여 대응하는 노드간을 연결하여 기술되는 인접 그래프를 입력에 이용한다.
그리고, 본 발명의 제2 측면에 따른 메쉬 세그멘테이션 방법에서는, 우선, 입력된 인접 그래프의 각 엣지를 평가하여 소팅을 행한다. 엣지의 평가는, 구체적으로는, 엣지로 연결되는 각 화상 영역이 갖는 속성치를 비교하고 비교 결과에 기초하여 가중 인자를 엣지에 부여한다. 여기에서 말하는 화상 영역은, 최소 단위인 다각형과, 복수의 다각형을 통합한 다각형 메쉬로서 구성되는 화상 영역을 포함한다.
여기에서 말하는 속성치로서, 예를 들면, 화상 영역이 갖는 면적(화상 영역에 통합된 각 다각형 메쉬가 갖는 평균 면적)를 이용하여, 엣지로 연결되는 화상 영역간의 면적의 상위를 엣지의 가중치로서 부여할 수 있다. 이 경우, 화상 영역간의 면적의 차가 작을수록 가중치는 작아지고, 후속의 화상 통합 처리에서는 처리 순위가 높아진다. 혹은, 화상 영역을 구성하는 다각형의 면적 이외에, 화상 영역의 법선 방향, 색 등의 화소 속성 정보(RGB 중 적어도 1 성분에 대한 화상 영역 내의 평균색)(단, 텍스쳐를 갖는 다각형 메쉬의 경우)를 이용하여 엣지의 가중치를 부여할 수 있다.
본 발명의 제2 측면에 따른 메쉬 세그멘테이션 방법에서는, 화상 영역을 구성하는 다각형의 면적에서의 집중 불균형 현상으로부터 도출되는 판단식에 기초하 여, 엣지로 연결되는 화상 영역끼리를 통합해야 할지의 여부를 판단하는데, 구체적으로는, 엣지로 연결되는 2개의 화상 영역 Rk 및 Rl에 관하여 이하의 통계적 알고리즘에 기초한 판단식을 만족할 때에, 화상 영역 Rk 및 Rl을 통합해야 한다고 판정한다. 단, 하기 수학식에 있어서, 화상 영역 Rk는 면적 Sk를 가짐과 함께 nk개의 다각형으로 구성되고, 화상 영역 Rl은 면적 Sl을 가짐과 함께 nl개의 다각형으로 구성되는 것으로 하고, A는 다각형의 최대 면적으로 하고, Q는 세그멘테이션의 성기기를 제어하기 위한 파라미터로 한다.
Figure 112007088330058-PCT00001
상기의 통계적 처리 알고리즘에 기초한 판단식은, 세그멘테이션의 성기기를 제어하기 위한 파라미터 Q를 포함하고 있으므로, 원하는 세그멘테이션의 성기기가 얻어지는 파라미터 Q의 값을 외부로부터 공급할 수 있다. 또한, 원하는 세그멘테이션의 성기기나 분할한 화상 영역의 개수가 외부로부터 요구되었을 때에, 해당하는 파라미터 Q의 값으로 변환하여 시스템에 공급하도록 하여도 된다. 이와 같은 유연한 파라미터 Q의 설정을 행함으로써, 프로그레시브한 메쉬 세그멘테이션을 실현할 수 있어, 다양한 인터랙티브 어플리케이션에 적용하기 쉬워진다.
초기 상태의 노드는, 인접 그래프 내의 최소 단위의 다각형이지만, 화상의 통합 처리가 진행되면, 노드는 복수의 다각형으로 이루어진 다각형 메쉬로 구성되 는 화상 영역으로 성장한다. 노드 즉 화상 영역의 통합의 성부를 통계적 처리 알고리즘에 기초한 판단식에 의해 판정하기 위해서 필요한 정보로서, 각 노드에 대한 면적 및 다각형의 개수가 계산되고, 노드 통계 정보로서 유지된다. 또한, 화상 영역의 통합을 실행했을 때에는, 통합하여 새롭게 생성된 화상 영역의 면적 및 다각형의 개수를 산출하여, 노드 통계 정보의 갱신 처리가 행해진다.
여기에서, 화상 영역의 통합이 진행되면, 성장한 화상 영역은 그 면적이 거대함과 함께, 다각형의 개수도 큰 값으로 된다. 이와 같은 경우, 인접하는 화상 영역과의 통합의 정부를 판단하는 데에 있어서는, 경계에 가까운 다각형의 정보가 보다 중요함에도 불구하고, 화상 영역의 중앙부로부터 여분의 영향을 받는다고 하는 결과에 빠진다. 즉, 통계적 처리 알고리즘에 기초한 상기의 판단식에서는 정확한 경계 판정을 행할 수 없게 된다.
따라서, 화상 영역의 통합을 행했을 때에, 새롭게 생성된 화상 영역의 「외피(Crust)」에 상당하는 영역 경계 근변의 다각형만을 남기고, 이후의 화상 영역의 통합에 대한 성부 판단을 행하도록 하여도 된다. 이 경우, 통합하여 새롭게 생성되는 화상 영역 전체가 아니라, "Crust"에 상당하는 영역에 대한 면적 및, 다각형의 개수를 산출하여 노드 통계 정보의 갱신 처리를 행한다.
「외피」로서, 예를 들면 통합하여 새롭게 생성된 화상 영역의 전체 둘레에 걸친 경계 근변의 다각형 즉 "Circular Crust"만을 남기고, 이후의 화상 영역 통합 처리를 행하도록 할 수 있다. 이 "Circular Crust"를 남길 때에 발생하는 노드 통계 정보의 갱신 처리는 비교적 계산량이 적고, 또한 이후의 화상 영역의 통합에 대 한 성부 판단을 정확하게 할 수 있다.
혹은, 「외피」로서, 통합하고자 하는 각 화상 영역이 접하는 경계 근변의 다각형 즉 "Border Crust"만을 남기고, 이후의 화상 영역 통합 처리를 행하도록 해도 된다. 이 Border Crust를 이용함으로써, Circular Crust를 이용한 경우보다도 더욱 정확하게 이후의 화상 영역의 통합에 대한 성부 판단을 행할 수 있다. 단, Border Crust를 이용하는 경우에는, 노드 통계 정보뿐만 아니라, 인접 그래프도 갱신해야만 하므로, 그 계산량은 방대해진다.
또한, 본 발명의 제3 측면은, 각각 속성치를 갖는 복수의 노드로 토폴로지가 형성된 데이터를 취급하기 위한 처리를 컴퓨터 상에서 실행하도록 컴퓨터 판독 가능 형식으로 기술된 컴퓨터 프로그램으로서, 상기 컴퓨터에 대하여, 상기 토폴로지 상에서 인접하는 노드끼리가 각각 갖는 속성치에 기초하여 노드간을 연결하는 엣지의 가중 인자를 구하고, 가중 인자에 기초하여 엣지를 소팅하는 토폴로지 평가 수순과, 그 소팅된 순서에 따라서, 엣지로 연결되는 노드의 페어를 취출하고, 그 노드끼리를 통합해야 할지의 여부를 소정의 통계적 처리 알고리즘에 기초하여 평가하고, 노드 영역의 통합 처리를 행하는 노드 통합 처리 수순을 실행시키는 것을 특징으로 하는 컴퓨터 프로그램이다.
또한, 본 발명의 제4 측면은, 오브젝트를 복수의 다각형으로 이루어지는 다각형 메쉬로서 취급하여 화상 처리를 행하기 위한 처리를 컴퓨터 상에서 실행하도록 컴퓨터 판독 가능 형식으로 기술된 컴퓨터 프로그램으로서, 상기 컴퓨터에 대하여, 다각형 메쉬를 기술하는 인접 그래프를 입력하는 인접 그래프 입력 수순과, 엣 지로 연결되는 각 화상 영역이 갖는 속성치를 비교하고 비교 결과에 기초하여 가중 인자를 엣지에 부여하고, 가중치에 기초하여 인접 그래프 내의 엣지를 소팅하는 인접 그래프 평가 수순과, 소팅된 순서에 따라서 엣지를 삽입하는 화상 영역의 페어를 취출하고, 화상 영역끼리를 통계적 처리 알고리즘에 기초하여 통합해야 할지의 여부를 평가하고, 화상 영역의 통합 처리를 행하는 화상 영역 통합 처리 수순을 실행시키는 것을 특징으로 하는 컴퓨터 프로그램이다.
본 발명의 제3 및 제4 각 측면에 따른 컴퓨터 프로그램은, 컴퓨터 시스템 상에서 소정의 처리를 실현하도록 컴퓨터 판독 가능 형식으로 기술된 컴퓨터 프로그램을 정의한 것이다. 바꾸어 말하면, 본 발명의 제3 및 제4 각 측면에 따른 컴퓨터 프로그램을 컴퓨터 시스템에 인스톨함으로써, 컴퓨터 시스템 상에서는 협동적 작용이 발휘되어, 본 발명의 제1 측면에 따른 정보 처리 장치, 및 제2 측면에 따른 화상 처리 장치와 마찬가지의 작용 효과를 각각 얻을 수 있다.
<발명의 효과>
본 발명에 따르면, 개개를 지각할 수 없는 다수의 미소한 노드로 이루어지는 미처리의 데이터를 세그먼트라고 불리는 지각 가능한 소수의 단위로 성장시킬 수 있는, 우수한 정보 처리 장치 및 정보 처리 방법, 및 컴퓨터 프로그램을 제공할 수 있다. 또한, 본 발명에 따르면, 2차원 또는 3차원 오브젝트를 다수의 미세한 폴리곤(통상은 3각형)의 집합체 즉 다각형 메쉬로서 취급하고, 그 2차원적 이미지를 처리할 때에, 다각형 메쉬를 적당한 성기기로 조정하는 메쉬 세그멘테이션 처리를 적합하게 행할 수 있다. 즉, 컴퓨터 그래픽스를 이용하는 어플리케이션에 따라서 프 로그레시브한 메쉬 세그멘테이션 처리를 고속이면서도 높은 정밀도로 행할 수 있다.
본 발명에 따른 화상 처리 장치는, 통계적 처리 알고리즘에 기초하여 고속의 화상 영역의 통합 처리를 행할 수 있고, 일반적인 계산기 상에서도 프로그레시브한 메쉬 세그멘테이션 처리를 실현할 수 있다.
또한, 본 발명에 따른 메쉬 세그멘테이션 처리는, 판단식에 포함되는 파라미터치를 조정함으로써, 화상 영역끼리를 통합하는 기준을 자재로 설정하여, 원하는 성기기의 다각형 메쉬를 생성할 수 있다. 또한, 시스템은 스케일러빌리티를 갖고, 파라메탈리제이션 및 텍스쳐 맵핑, 화상 변형(morphing), 다해상도 모델링, 화상 편집, 화상 압축, 애니메이션, 및 형상 매칭 등, 다양한 인터랙티브 어플리케이션에 적용할 수 있다.
본 발명의 또 다른 목적, 특징이나 이점은, 후술하는 본 발명의 실시 형태나 첨부하는 도면에 기초한 보다 상세한 설명에 의해 밝혀질 것이다.
도 1은, 본 발명의 일 실시 형태에 따른 화상 처리 장치의 기능적 구성을 모식적으로 도시한 도면.
도 2는, 인접 그래프를 예시한 도면.
도 3은, 인접 그래프를 예시한 도면.
도 4는, 엣지의 평가를 행하는 처리 방법을 설명하기 위한 도면.
도 5는, 메쉬 세그멘테이션 처리를 행하기 위한 처리 수순의 일례를 도시한 플로우차트.
도 6은, 슬라이드 바를 이용하여 유저가 다스케일의 파라미터 Q를 설정했을 때에 인터랙티브하게 얻어지는 세그멘테이션 결과의 예를 도시한 도면.
도 7은, 화상 영역의 통합 처리가 진행된 양태를 도시한 도면.
도 8은, 통합하여 새롭게 생성된 화상 영역의 전체 둘레에 걸친 경계 근변의 다각형 즉 "Circular Crust"만을 남긴 양태를 도시한 도면.
도 9는, "Circular Crust"만을 남긴 메쉬 세그멘테이션 처리를 행하기 위한 처리 수순을 도시한 플로우차트.
도 10은, 통합하고자 하는 각 화상 영역이 접하는 경계 근변의 다각형 즉 "B order Crust"만을 남긴 양태를 도시한 도면.
도 11은, "Border Crust"만을 남긴 메쉬 세그멘테이션 처리를 행하기 위한 처리 수순을 도시한 플로우차트.
도 12는, 인접하는 화상 영역 Ri 및 Rj로부터 Border Crust를 취출하는 양태를 도시한 도면.
도 13은, "Border Crust"만을 남긴 메쉬 세그멘테이션 처리를 행했을 때의, 인접 그래프를 갱신하는 처리를 설명하기 위한 도면.
도 14는, 메쉬 세그멘테이션 시에, 슬라이드 바의 조작을 통하여 Q치를 설정하여 분할하는 화상 영역수를 조정하는 양태를 도시한 도면.
도 15는, 메쉬 세그멘테이션 시에, 슬라이드 바의 조작을 통하여 Q치를 설정 하여 분할하는 화상 영역수를 조정하는 양태를 도시한 도면.
도 16은, 메쉬 세그멘테이션 시에, 슬라이드 바의 조작을 통하여 Q치를 설정하여 분할하는 화상 영역수를 조정하는 양태를 도시한 도면.
도 17은, 본 발명의 일 실시 형태에 따른 정보 처리 장치의 기능적 구성을 모식적으로 도시한 도면.
도 18은, 인접하는 노드끼리를 통합하여 새로운 노드를 생성하는 양태를 모식적으로 도시한 도면.
도 19는, 도 17에 도시한 정보 처리 장치에 의해 세그멘테이션 처리를 행하는 수순을 도시한 플로우차트.
<도면의 주요부분에 대한 부호의 설명>
1: 화상 정보 입력부
2: 인접 그래프 평가부
3: 화상 영역 통합 처리부
4: 미소 영역 처리부
5: 파라미터 설정부
10: 화상 처리 장치
50: 정보 처리 장치
51: 노드 입력부
52: 토폴로지 평가부
53: 통합 처리부
54: 미소 노드 처리부
55: 파라미터 설정부
<발명을 실시하기 위한 최선의 형태>
이하, 도면을 참조하면서 본 발명의 실시 형태에 대하여 자세히 해석한다.
본 발명은, 개개를 지각할 수 없는 다수의 미소한 노드에 의해 토폴로지가 형성된 미처리의 데이터를 취급하는 정보 처리 장치에 관한 것으로, 각 노드가 갖는 속성 정보에 대하여 소정의 통계적 처리 알고리즘을 실시함으로써, 인접하는 노드끼리를 통합해야 할지의 여부를 통계적 처리 알고리즘에 기초하여 판단하고, 노드의 통합을 반복하여 실행하여 감으로써, 개개를 지각할 수 없는 다수의 노드로부터, 세그먼트라고 불리는 지각 가능한 소수의 단위로 성장시키도록 구성되어 있다.
도 17에는, 본 발명의 일 실시 형태에 따른 정보 처리 장치의 기능적 구성을 모식적으로 도시하고 있다. 도시된 정보 처리 장치(50)는, 복수의 노드에 의해 토폴로지가 형성되어 있는 미처리의 데이터를 처리 대상으로서 입력하는 노드 입력부(51)와, 토폴로지 상에서 인접하는 노드끼리를 연결하고 있는 각 엣지를 평가하여 소팅을 행하는 토폴로지 평가부(52)와, 소팅된 순서에 따라서 엣지로 연결되는 노드의 페어를 취출하고, 이들을 통계적 처리 알고리즘에 기초하여 평가해서 통합 처리를 행하는 통합 처리부(53)와, 노드의 통합 처리를 한 결과로서 충분한 크기의 세그멘테이션으로 성장하지 않고 남겨진 미세의 노드를 처리하는 미소 노드 처리부(54)를 구비하고 있다.
이러한 화상 처리 장치(10)는, 전용의 하드웨어 장치로서 디자인하여도 되지 만, 퍼스널 컴퓨터(PC) 등의 일반적인 계산기 시스템 상에서 각 기능 모듈(51∼54)에 상당하는 처리를 실행하는 애플리케이션 프로그램을 기동한다고 하는 형태로 실현하는 것도 가능하다. 일반적인 계산기 시스템은, 예를 들면 프로세서에 미국 인텔사의 Pentium(등록 상표) IV(1.6GHz)를 사용하고, 1GB의 RAM으로 구성되는 메인 메모리를 구비한다. 또한, 애플리케이션 프로그램은, 오퍼레이팅 시스템(os)에서 제공되는 API(어플리케이션 프로그래밍 인터페이스)를 이용하여, C++ 언어로 코딩할 수 있다.
노드 입력부(51)에 입력되는 처리 대상 데이터는, 복수의 노드에 의해 토폴로지가 형성되어 있다. 토폴로지는, 복수의 노드와, 노드간을 연결하는 엣지로 구성되고, 각 노드는 속성 정보를 가지고 있다. 또한, 통합 처리부(53)에 의해 노드끼리의 통합이 행해지면, 새로운 노드에 관한 속성 정보가 산출된다.
토폴로지 평가부(52)에서는, 입력된 데이터에 포함되는 인접 노드간을 연결하는 엣지를 평가하여 소팅을 행한다. 엣지의 평가는, 구체적으로는, 엣지로 연결되는 각 노드가 갖는 속성치를 비교하고 비교 결과에 기초하여 가중 인자를 엣지에 부여하고, 가중치에 기초하여 토폴로지 중의 엣지를 소팅한다. 엣지에 부여되는 가중치는, 해당 엣지로 연결되는 화상 영역간의 유사도의 지표로 된다.
노드가 면적을 갖는 경우에는, 그 속성 정보로서 면적(해당 노드에 통합된 원래의 모든 노드의 면적의 평균치)을 이용하여, 엣지로 연결되는 노드간의 면적의 상위를 엣지의 가중치로서 부여하고, 가중치가 작은 순(increasing order)으로 소 팅을 행한다. 이 경우, 노드간의 면적의 차가 작을수록 가중치는 작아지고, 후속의 통합 처리에서는 처리 순위가 높아진다. 혹은 노드가 속성 정보로서 색을 갖는 경우, 화소 속성 정보(RGB 중의 적어도 1 성분의 평균색)를 이용하여 엣지의 가중치를 평가할 수 있다.
계속해서, 통합 처리부(53)에서는, 소팅된 순서에 따라서 엣지를 삽입하는 노드의 페어를 취출하고, 통합 처리를 행하여 세그멘테이션을 성장시킨다. 엣지에는, 엣지로 연결되는 화상 영역간의 유사도의 지표로 되는 가중이 주어지므로, 가중이 작은 순으로 통합 처리를 행하는 것은, 유사한 노드간의 통합 처리를 우선적으로 실행하는 것에 상당한다.
통합 처리부(53)에서는, 노드의 페어에 대하여, 통계적 처리 알고리즘에 기초하여, 접합해야 할지의 여부를 판단한다. 구체적으로는, 인접하는 노드 f(i) 및 f(j)가 각각 속성치로서 갖는 통계 정보 Stats.f(i) 및 Stats.f(j)에 관하여 이하의 통계적 알고리즘에 기초한 판단식(Predicate)을 만족할 때에, 노드 f(i) 및 f(j)를 통합해야 한다고 판정한다. 단, 하기 수학식에 있어서, 노드 f(i)는 N(i)개의 노드를 포함함과 함께 노드 f(j)는 N(j)개의 노드를 포함하고, 함수 b(x)는 b(x)=(logx)/Q+(K/x)이고, K는 상수, Q는 노드를 통합하여 성장한 세그멘테이션의 성기기를 제어하기 위한 파라미터로 한다.
Figure 112007088330058-PCT00002
상기의 판단식은, 화상 영역을 구성하는 다각형의 면적에서 나타나는 현상인, 통계적인 집중 불균형(statistical concentration inequality)으로부터 도출되는 것이다. 이 현상은, 통계학의 분야에서는, 중심 극한 정리(central limit theorem)로서 일반적이다. 중심 극한 정리는, 표본 평균과 참된 평균의 오차를 규정하는 것으로서, 표본의 분포가 어떠한 분포이더라도, 그 오차는 샘플 수를 크게 하면 근사적으로 정규 분포에 따른다.
상기 수학식의 우변의 Q는 세그멘테이션의 성기기를 제어하기 위한 파라미터이다. Q를 크게 잡으면 우변의 값이 작아져, 판단식을 만족하는 것이 곤란해지는 결과, 노드의 통합이 억제된다. 반대로, Q를 작은 값으로 하면 우변의 값이 커져, 판단식을 용이하게 만족하게 되므로, 노드의 통합 즉 세그멘테이션의 성장이 촉진된다.
도 18에는, i번째의 노드 Vi와 j번째의 노드 Vj를 통합의 판단식(merging Predicate)에 기초하여 통합 처리하여, 새로운 노드 V'가 생성되는 양태를 모식적으로 도시하고 있다.
각 노드 Vi 및 Vj는, 노드에 포함되는 노드의 개수 Ni 및 Nj, 식별 정보 IDi 및 IDj라고 하는 일반 정보부와, 속성 정보를 저장하는 미디어(데이터)부로 구성된다. 초기 상태의 노드는, 자신밖에 갖지 않기 때문에 노드의 개수 N은 1이지만, 통합하여 얻어지는 V'의 노드 수 N'는 Ni+Nj로 된다. 또한, 새로운 식별 정보 ID'는, Union-Find 데이터 구조를 갖는 서로 소인 집합을 이용하여, 원래의 식별 정보 IDi 및 IDj로부터 생성된다. 또한, 미디어부의 속성 정보는, 각 노드 Vi 및 Vj의 속성 정보로부터 통계적 연산을 바탕으로 구해진다. 예를 들면, 노드가 갖는 색 정보가 속성 정보인 경우에는, 각 노드 Vi 및 Vj의 평균색이 새로운 노드의 속성 정보로 된다. 혹은, 노드가 갖는 면적이 속성 정보인 경우에는, 각 노드 Vi 및 Vj의 평균 면적이 새로운 노드의 속성 정보로 된다. Union-Find 알고리즘에 관해서는, 예를 들면, R. E. Tarjan저 "A class of algorithms which require nonlinear time to maintain disjoint sets."(J. Comput. Syst. Sci., 18(2): 110-127, 1979)를 참조 바란다.
마지막으로, 미소 노드 처리부(54)는, 노드의 통합 처리를 한 결과로서 충분한 크기의 세그멘테이션으로 성장하는 일없이 남겨진 미세한 노이즈를 처리한다. 예를 들면, 큰 세그멘테이션으로 성장한 노드의 사이 혹은 내부에, 통합되지 않은 채 남겨진 미소한 노이즈를, 판단식을 만족하는지의 여부에 상관없이, 인접하는 어느 하나의 세그멘테이션으로 통합하여, 처리 결과의 미관을 좋게 한다.
도 19에는, 도 17에 도시한 정보 처리 장치(20) 상에서 실행되는 세그멘테이션 처리의 수순을 플로우차트의 형식으로 도시하고 있다.
우선, 노드 입력부(51)에 있어서, 처리 대상으로 되는 미처리의 데이터를 입력한다(스텝 S21). 미처리의 데이터는, 토폴로지를 형성하는 노드로 이루어진다. 노드 입력부(51)는, 입력된 데이터의 토폴로지를 스캔하여, 각 노드 Vi에 식별 정보 IDi를 공급함과 함께, 그 식별 정보 및 노드의 미디어부에 저장되어 있는 속성 정보를 노드 통계 정보에 등록한다고 하는 초기화 처리를 행한다.
다음으로, 토폴로지 평가부(52)에서는, 인접하는 노드끼리를 연결하는 각 엣 지를 평가하여 소팅을 행한다(스텝 S32). 구체적으로는, 엣지로 연결되는 노드간의 속성 정보의 상위를 엣지의 가중치로서 부여하고, 가중치가 작은 순(increasing order)으로 소팅을 행한다.
계속해서, 파라미터 설정부(55)를 통해서, 세그멘테이션의 성기기를 컨트롤하기 위한 파라미터 Q를 설정한다(스텝 S33).
통합 처리부(53)에서는, 소팅된 순서에 따라서 엣지로 연결되어 있는 노드의 페어를 취출한다(스텝 S34). 그리고, 이들 노드가 통계적 알고리즘에 기초한 판단식을 만족하는지 여부에 기초하여 통합 처리를 행한다(스텝 S35). 여기에서 이용하는 판단식은, 화상 영역을 구성하는 다각형의 면적에서 나타나는 현상인, 통계적인 집중 불균형으로부터 도출되는 것으로서(전술), 스텝 S33에서 설정된 파라미터 Q를 이용한다.
통합 처리부(3)는, 노드끼리를 통합했을 때에는, 새로운 노드 V'를 생성하고, 이 노드를 식별하기 위한 새로운 ID'를 부여하고, 통합에 의해 새롭게 생성된 노드의 속성 정보를 산출하여, 노드 통계 정보의 갱신 처리를 행한다(스텝 S36).
계속해서, 통합 처리부(53)는, 노드의 갱신 처리를 행한다(스텝 S37). 즉, 인접 노드간의 각 엣지의 가중 인자를 재계산하고, 가중치의 크기에 따라 엣지를 재소팅한다. 그리고, 스텝 S34로 복귀하여, 소팅된 순서에 따라서 엣지로 연결되는 노드의 페어를 취출하고, 통계적 처리 알고리즘에 기초한 노드의 통합 처리를 반복해서 행한다.
이와 같은 노드의 통합과, 통합에 수반하는 노드 통계 정보의 갱신 처리를 재귀적으로 반복하여 가면, 마침내 파라미터 Q로 임계치가 설정되는 판단식을 만족하는 노드의 조합이 발견되지 않게 된다. 즉, 토폴로지 중에 미처리의 엣지가 없어지면(스텝 S34의 No), 미소 영역 처리부(54)는, 충분한 크기의 세그멘테이션으로 성장하는 일없이 남겨진 미세한 노드를 처리한다(스텝 S38). 예를 들면, 큰 세그멘테이션의 사이 혹은 내부에, 통합되지 않은 채 남겨진 미소한 노드를, 판단식을 만족하는지의 여부에 상관없이, 인접하는 어느 하나의 세그멘테이션에 통합하여, 처리 결과의 미관을 좋게 한다.
본 발명은, 2차원 또는 3차원 오브젝트의 2차원적 이미지를 생성하여 표시하기 위한 화상 처리 장치에 적용할 수 있다. 컴퓨터 그래픽스의 분야에서는, 통상적으로, 처리 대상으로 되는 2차원 또는 3차원의 물리 오브젝트를 다수의 미세한 폴리곤(통상은 3각형)의 집합체 즉 다각형 메쉬로서 취급하여, 화상 처리를 행한다. 다각형 메쉬의 성기기는, 처리 부하나 화질에 크게 영향을 준다. 이 때문에, 화상 영역의 분할이나, 분할한 영역의 통합(merge) 등의 처리를 행하고, 컴퓨터 그래픽스를 이용하는 어플리케이션에 따라서 다각형 메쉬를 적당한 성기기로 조정한다고 하는 메쉬 세그멘테이션 처리가 필요해진다. 메쉬 세그멘테이션을 프로그레시브 즉 매끄럽게 행함으로써, 화상을 이용하는 어플리케이션의 폭은 넓어진다.
본 발명에 따른 메쉬 세그멘테이션에서는, 통계적 처리 알고리즘을 이용하여 인접하는 화상 영역을 통합해야 할지의 여부를 판단하여 감으로써, 3차원 오브젝트를 분할한 미소한 다수의 다각형으로부터, 화상 영역의 통합을 반복 실행하여, 원하는 성기기로 이루어지는 다각형 메쉬를 생성한다. 통계적 처리 알고리즘에서는, 화상 영역으로서의 다각형 메쉬에서의 면적의 집중 불균형(concentration in-equality) 현상으로부터 도출되는 판단식에 기초하여, 인접하는 화상 영역끼리를 통합할 수 있는지의 여부를 판별한다.
이와 같은 통계적 처리 알고리즘에 기초한 화상 영역의 통합 처리는, 다각형의 면적을 통계 처리한다고 하는 간소한 계산으로 구성된다는 점에서, 고속화가 가능하다. 예를 들면, 퍼스널 컴퓨터 등의 일반적인 계산기를 이용하여 매초 100만 개의 다각형을 처리할 수 있다. 또한, 판단식에 포함되는 파라미터치를 조정함으로서, 화상 영역끼리를 통합하는 기준을 자재로 설정하여, 원하는 성기기의 다각형 메쉬를 생성할 수 있어서, 시스템은 스케일러빌리티를 갖는다.
도 1에는, 본 발명의 일 실시 형태에 따른 화상 처리 장치의 기능적 구성을 모식적으로 도시하고 있다. 도시된 화상 처리 장치(10)는, 처리 대상으로 되는 3차원 화상 정보를 인접 그래프의 형식으로 입력하는 화상 정보 입력부(1)와, 입력된 인접 그래프의 각 엣지를 평가하여 소팅을 행하는 인접 그래프 평가부(2)와, 소팅된 순서에 따라서 엣지를 삽입하는 화상 영역의 페어를 취출하고, 이들을 통계적 처리 알고리즘에 기초하여 평가해서 통합 처리(mesh growing)를 행하는 화상 영역 통합 처리부(3)와, 화상 영역의 통합 처리를 한 결과로서 남겨진 미세한 영역을 처리하는 미소 영역 처리부(4)를 구비하고 있다.
이러한 종류의 화상 처리 장치(10)는, 전용의 하드웨어 장치로서 디자인하여도 되지만, 퍼스널 컴퓨터(PC) 등의 일반적인 계산기 시스템 상에서 각 기능 모듈(51∼54)에 상당하는 처리를 실행하는 애플리케이션 프로그램을 기동한다고 하는 형태로 실현하는 것도 가능하다. 일반적인 계산기 시스템은, 예를 들면 프로세서에 미국 인텔사의 Pentium(등록 상표) IV(1.6GHz)를 사용하고, 1GB의 RAM으로 구성되는 메인 메모리를 구비한다. 또한, 애플리케이션 프로그램은, 예를 들면 Open GL로 제공되는 API(어플리케이션 프로그래밍 인터페이스)를 이용하여, C++ 언어로 코딩할 수 있다.
화상 처리의 분야에서는, 화상 영역으로서의 다각형 메쉬를, 그 구성 요소로 되는 복수의 다각형간의 관계를 기술한 인접 그래프(Incidence Graph 혹은 Region Adjacent Graph(RAG))의 형식으로 표현하는 것은 일반적으로 행해지고 있다. 인접 그래프의 구체적인 기술 방법은 몇 가지 들 수 있다. 인접 그래프는, 복수의 노드와, 노드간을 연결하는 엣지로 구성되는데, 노드 및 엣지에 무엇을 취급하는지는 다양하다. 예를 들면, 다각형을 노드로 하면, 그 근처 또는 정점을 엣지로 할 수 있다. 혹은, 다각형의 변을 노드로 한 경우, 정점 또는 다각형을 엣지로 할 수 있다. 혹은, 정점을 노드로 한 경우, 다각형의 변 또는 다각형을 엣지로 할 수 있다.
본 실시 형태에 따른 화상 처리 장치(1)에서는, 다각형을 노드로 하고, 다각형의 변을 엣지로 하여 구성되는 인접 그래프를 취급한다. 즉, 화상 정보 입력부(1)는, 다각형 메쉬를 구성하는 개개의 다각형을 노드로 하고, 인접하는 다각형끼리가 접하는 변에 상당하는 엣지를 이용하여 대응하는 노드간을 연결하여 기술되는 인접 그래프를 입력 데이터로 한다.
여기에서, 인접 그래프의 작성 방법에 대하여 설명하여 둔다.
우선, 대상으로 하는 화상 영역에 속하는 각 다각형 Ti를 노드 Ni에 관련시킨다. 그리고, 노드 Ni와 노드 Nj 사이에 있어서, 쌍방에 대응하는 다각형 Ti 및 Tj에 속하는 유일한 변이 있으면, 양 노드간을 연결하는 엣지 eij로서 생성한다.
인접 그래프는, 엣지의 끝점에 따라서 다각형의 소팅을 행함으로써, 정점 및 면의 인덱스 배열로부터 직접적으로 구축할 수 있다. 개개의 다각형에 속하는 변 즉 엣지는, 다각형 메쉬 즉 화상 영역의 경계로 되는 엣지(Boundary edge)와, 다각형 메쉬가 아니라 다각형 메쉬 내의 인접하는 다른 다각형과 접하는 엣지(Interior Edge)로 나뉘어진다. 화상 영역의 경계에 맞닿는 엣지는 1개의 다각형으로밖에 속하지 않으므로, 경계 이외(즉 화상 영역의 내측의) 엣지만을 처리 대상으로 한다. 이 처리에는, 정점 및 면의 인덱스 배열이 있으면 충분하며, half-edge, quad-edge라고 하는 복잡한 인접 데이터 구조는 필요하지 않다.
도 2에는, 가장 단순한 인접 그래프의 예를 도시하고 있다. 동 도면 좌측에 도시하는 다각형 메쉬는, 변 즉 엣지 eij에서 접하는 2개의 3각형 Ti 및 Tj로 구성된다. 이 다각형 메쉬를 기술한 인접 그래프는, 동 도면 우측에 도시한 바와 같이, 각 3각형 Ti 및 Tj에 상당하는 2개의 노드 Ni 및 Nj와, 양 노드를 연결하는 엣지 eij로 구성된다.
또한, 도 3에는, 조금 복잡한 인접 그래프의 구성예를 도시하고 있다. 동 도면 좌측에 도시하는 다각형 메쉬는, 7개의 3각형 T1∼T7로 구성되고, T1은 T2와 접하고, T2는 T1, T3, T4와 접하고, T3은 T2 및 T6과 접하고, T4는 T2 및 T5와 접하고, T5은 T4 및 T6과 접하고, T6은 T3, T5, T7과 접하고 있다. 이 다각형 메쉬를 기술한 인접 그래프는, 동 도면 우측에 도시한 바와 같이, 인접하는 쌍방의 3각형에 속하는 변 즉 엣지에 의해 각각의 3각형에 상당하는 노드간을 연결하여 구성된다.
또한, 노드는, 초기 상태에서는 다각형 메쉬의 최소 단위의 다각형이다. 혹은, 2차원 이미지에서의 개개의 픽셀이나, 3차원의 입체 이미지이면 복셀(voxel)이 1개의 노드이다. 화상의 통합 처리가 진행되면, 노드는 복수의 다각형(혹은, 픽셀 또는 복셀)로 이루어지는 다각형 메쉬로 구성되는 화상 영역으로 성장한다. 화상 처리 장치(1) 내에서는, 각 노드 Ni에 관하여, 일의로 식별하기 위한 식별 정보 id(Ni)와, 해당하는 화상 영역(처음에는 1개의 다각형)이 갖는 면적 area(Ni)와, 해당하는 화상 영역 즉 다각형 메쉬를 구성하는 다각형의 개수 n(Ni)(초기치는 1)을, 「노드 통계 정보」로서 유지하고 있다. 각 노드가 면적 및 다각형의 개수를 유지하는 것은, 노드 즉 화상 영역의 통합의 성부를 통계적 처리 알고리즘에 기초한 판단식에 의해 판정 처리하기 위해서 필요한 정보이기 때문이다.
인접 그래프 평가부(2)에서는, 입력된 인접 그래프의 각 엣지를 평가하여 소팅을 행한다. 엣지의 평가는, 구체적으로는, 엣지로 연결되는 각 화상 영역이 갖는 속성치를 비교하고 비교 결과에 기초하여 가중 인자를 엣지에 부여하고, 가중치 에 기초하여 인접 그래프 내의 엣지를 소팅한다. 여기에서 말하는 화상 영역은, 최소 단위인 다각형과, 복수의 다각형을 통합한 다각형 메쉬로서 구성되는 화상 영역을 포함한다.
속성치로서 예를 들면 화상 영역이 갖는 면적(화상 영역에 통합된 모든 다각형의 면적의 평균치)을 이용하여, 엣지로 연결되는 화상 영역간의 면적의 상위를 엣지의 가중치로서 부여하고, 가중치가 작은 순(increasing order)으로 소팅을 행한다. 이 경우, 화상 영역간의 면적의 차가 작을수록 가중치는 작아지고, 후속의 화상 통합 처리에서는 처리 순위가 높아진다.
도 4에는, 엣지의 평가를 행하는 처리 방법을 도해하고 있다. 여기에서는, 엣지 eij에서 접하는 2개의 3각형 Ti 및 Tj를 상정하고, 그 인접 그래프는, 동 도면 우측에 도시한 바와 같이, 각 3각형 Ti 및 Tj에 상당하는 2개의 노드 Ni 및 Nj와, 양 노드를 연결하는 엣지 eij로 구성된다. 여기에서, 다각형 P의 면적을 구하는 함수 area(p)가 정의되어 있는 것으로 하면, 엣지 eij의 가중치 W(eij)는 하기 수학식에 의해 계산된다.
Figure 112007088330058-PCT00003
혹은, 화상 영역을 구성하는 다각형의 면적 이외에, 화상 영역의 법선 방향, 색 등의 화소 속성 정보(RGB 중의 적어도 1 성분의 평균색)(단, 텍스쳐를 갖는 다 각형 메쉬의 경우)라고 하는, 인접하는 정점이 갖는 다양한 속성치의 차분을 이용하여 엣지의 가중을 부여할 수 있다.
예를 들면, 폭 w이고 높이 h로 이루어지는 RGB 컬러 화상에 있어서, i행 j열째의 화소의 노드를 Vi,j로 하고, 그 식별 정보를 RegID(Vi,j)=i×w+j로 해둔다. 내측의 각 화소는 4개의 인접 노드를 갖게 되고, 엣지의 총수 m은 2wh-w-h로 된다. 그리고, 노드 Vi ,j와 Vi' , j' 사이의 가중 인자는, 예를 들면 이하의 수학식으로 나타낼 수 있다.
Figure 112007088330058-PCT00004
화상 영역 통합 처리부(3)에서는, 소팅된 순서에 따라서 엣지를 삽입하는 화상 영역의 페어를 취출하고, 통합 처리(mesh growing)를 행한다. 엣지에는, 엣지로 연결되는 화상 영역간의 유사도의 지표로 되는 가중이 주어지므로, 가중이 작은 순으로 통합 처리를 행하는 것은, 유사한 화상 영역간의 통합 처리를 우선적으로 실행하는 것에 상당한다.
화상 영역 통합 처리부(3)에서는, 소팅된 순서에 따라서 취출된 엣지로 연결되는 화상 영역의 페어에 대하여, 통계적 처리 알고리즘에 기초하여, 통합해야 할지의 여부를 판단한다.
구체적으로는, 엣지의 가중이 상기 수학식 3에 나타낸 바와 같이 면적 정보 를 바탕으로 산출되는 경우에는, 엣지로 연결되는 2개의 화상 영역 Rk 및 Rl에 관하여, 이하의 통계적 알고리즘에 기초한 판단식(Predicate)을 만족할 때에, 화상 영역 Rk 및 Rl을 통합해야 한다고 판정한다. 단, 하기 수학식에 있어서, 화상 영역 Rk는 면적 Sk를 가짐과 함께 nk개의 다각형으로 구성되고, 화상 영역 Rl은 면적 Sl을 가짐과 함께 nl개의 다각형으로 구성되는 것으로 한다. 또한, A는 다각형의 최대 면적으로 하고, Q는 세그멘테이션의 성기기를 제어하기 위한 파라미터로 한다.
Figure 112007088330058-PCT00005
상기의 판단식은, 화상 영역을 구성하는 다각형의 면적에서 나타나는 현상인, 통계적인 집중 불균형으로부터 도출되는 것이다. 이 현상은, 통계학의 분야에서는, 중심 극한 정리로서 일반적이다(모집단이 임의의 분포라고 하더라도, 그 모집단으로부터의 표본의 크기를 증대하면, 표본 평균의 분포는 마침내 정규 분포에 수렴됨).
상기 수학식의 우변의 Q는 세그멘테이션의 성기기를 제어하기 위한 파라미터이다. Q를 크게 잡으면 우변의 값이 작아져서, 판단식을 만족하는 것이 곤란해지는 결과, 화상 영역의 통합이 억제된다. 반대로, Q를 작은 값으로 하면 우변의 값이 커져, 판단식을 용이하게 만족하도록 되므로, 화상 영역의 통합이 촉진되어, 보 다 거친 메쉬 세그멘테이션 결과를 얻을 수 있다.
혹은, 엣지의 가중치가 상기 수학식 4에 나타낸 바와 같이 RGB 색 정보에 기초하여 산출되는 경우에는, 엣지로 연결되는 인접 노드 Vi ,j와 Vi' , j'에 관하여, 이하의 통계적 알고리즘에 기초한 판단식(Predicate)을 만족할 때에 노드를 통합해야 한다고 판정한다.
Figure 112007088330058-PCT00006
단, 상기 수학식 중의 함수 b(x)는 다음과 같다.
Figure 112007088330058-PCT00007
상기 수학식 중에서, ni ,j 및 ni' , j'는 해당하는 노드에 포함되는 화소수이다. 또한, Q는 세그멘테이션의 성기기를 제어하기 위한 파라미터로 된다.
노드는, 초기 상태에서는 다각형 메쉬의 최소 단위의 다각형이지만, 화상 영역의 통합 처리가 진행되면, 복수의 다각형으로 이루어지는 다각형 메쉬로 구성되는 화상 영역으로 성장한다. 노드 통계 정보에서는, 각 노드 Ni에 관하여, 일의로 식별하기 위한 식별 정보 id(Ni)와, 해당하는 화상 영역(처음에는 1개의 다각형)이 갖는 면적 area(Ni)와, 해당하는 화상 영역 즉 다각형 메쉬를 구성하는 다각형의 개 수 n(Ni)(초기치는 1) 등을 유지하는 레코드가 마련되어 있다. 그리고, 화상 영역 통합 처리부(3)는, 노드끼리를 통합했을 때에는, 새로운 노드를 식별하기 위한 새로운 id를 부여하고, 통합에 의해 새롭게 생성된 화상 영역의 면적 및 다각형의 개수를 산출하여, 노드 통계 정보의 갱신 처리를 행한다. 새로운 식별 정보의 생성에는, Union-Find 알고리즘을 이용할 수 있다(전술).
미소 영역 처리부(4)는, 화상 영역의 통합 처리를 한 결과로서 남겨진 미세한 영역을 처리한다. 예를 들면, 큰 화상 영역의 사이 혹은 내부에, 통합되지 않은 채 남겨진 미소한 다각형 메쉬를, 판단식을 만족하는지의 여부에 상관없이, 인접하는 어느 하나의 화상 영역에 통합하여, 처리 결과의 미관을 좋게 한다. 여기에서 말하는 미소 영역은, 예를 들면 메쉬 표면 전체에 대하여 수 퍼센트 미만의 면적밖에 없는 다각형 메쉬이다.
도 5에는, 본 실시 형태에 따른 화상 처리 장치(10)에 있어서, 메쉬 세그멘테이션 처리를 행하기 위한 처리 수순의 일례를 플로우차트의 형식으로 도시하고 있다.
우선, 화상 정보 입력부(1)에 있어서, 처리 대상으로 되는 3차원 오브젝트의 화상 정보를 입력한다(스텝 S1). 본 실시 형태에서는, 화상 정보는, 다각형을 노드로 하고, 다각형의 변을 엣지로 하여 구성되는 인접 그래프의 형식으로 기술된다(전술 및 도 3을 참조).
화상 정보 입력부(1)는, 입력된 인접 그래프를 스캔하여, 각 노드 Ni에 식별 정보 id(Ni)를 공급함과 함께, 상당하는 다각형의 면적을 구하고, 노드마다의 식별 정보, 면적, 및 다각형의 개수(초기치는 1)를 노드 통계 정보에 등록(초기화)한다. 노드 통계 정보를 초기화하는 의사 프로그램·코드를 이하에 기재하여 놓는다. 단, id()는 인수로 나타내는 노드의 식별 정보를 저장하는 배열이고, area()는 인수로 나타내는 식별 정보의 노드의 면적을 저장하는 배열이며, n()은 인수로 나타내는 식별 정보의 노드를 구성하는 다각형의 개수를 저장하는 배열이다.
Figure 112007088330058-PCT00008
인접 그래프로부터 i번째로 취출된 노드 Ni에 관하여, 식별 정보 id(Ni)에 i를 대입하고, 노드 Ni의 면적 area(i)에 해당하는 다각형의 면적 area(Ti)를 대입하고, 다각형의 개수 n(i)에 초기치 1을 대입한다.
다음으로, 인접 그래프 평가부(2)에서는, 입력된 인접 그래프의 각 엣지를 평가하여 소팅을 행한다(스텝 S2). 구체적으로는, 엣지로 연결되는 화상 영역간의 면적의 상위를 엣지의 가중치로서 부여하고, 가중치가 작은 순으로 소팅을 행한다. 화상 영역간의 면적의 차가 작을수록 가중치는 작아지고, 후속의 화상 통합 처리에서는 처리 순위가 높아진다.
계속해서, 파라미터 설정부(5)로부터 세그멘테이션의 성기기를 컨트롤하기 위한 파라미터 Q를 설정한다(스텝 S3).
화상 영역 통합 처리부(3)에서는, 소팅된 순서에 따라서 엣지를 삽입하는 화상 영역의 페어를 취출한다(스텝 S4). 그리고, 이들 화상 영역이 통계적 알고리즘에 기초한 판단식을 만족하는지의 여부에 기초하여 통합 처리를 행한다(스텝 S5). 여기에서 이용하는 판단식은, 화상 영역을 구성하는 다각형의 면적에서 나타나는 현상인, 통계적인 집중 불균형으로부터 도출되는 것으로서(전술), 스텝 S3에서 설정된 파라미터 Q를 이용한다.
노드 통계 정보에서는, 각 노드 Ni에 관하여, 일의로 식별하기 위한 식별 정보 id(Ni)와, 해당하는 화상 영역(처음에는 1개의 다각형)이 갖는 면적 area(Ni)와, 해당하는 화상 영역 즉 다각형 메쉬를 구성하는 다각형의 개수 n(Ni)(초기치는 1) 등을 유지하는 레코드가 마련되어 있다(전술). 화상 영역 통합 처리부(3)는, 화상 영역끼리를 통합했을 때에는, 새로운 노드를 생성하고, 이 노드를 식별하기 위한 새로운 id를 부여하고, 통합에 의해 새롭게 생성된 화상 영역의 면적 및 다각형의 개수를 산출하여, 노드 통계 정보의 갱신 처리를 행한다(스텝 S6).
화상 영역을 통합하고, 그 후에 노드 통계 정보를 갱신하는 의사 프로그램·코드를 이하에 기재하여 놓는다. 단, Merge()는, 인수로 나타내는 각 화상 영역을 통합 처리하는 함수이다.
Figure 112007088330058-PCT00009
우선, Merge 함수의 인수로 나타내는 노드 Ni 및 Nj의 통합 처리를 행한다. 그리고, 각 노드 Ni 및 Nj에 대하여 동일한 신규의 식별 정보 id'(Ni)=id'(Nj)를 공급함으로써, 양 화상 영역이 통합되어, 새로운 노드가 생성되었음을 나타낸다. 본 실시 형태에서는, 새로운 노드의 식별 정보로서 Ni 또는 Nj 중 어느 하나의 구식별 정보를 이용한다. 새로운 노드에 식별 정보를 공급할 때에, Robert Endre Tarjan이 고안한 Union-Find 알고리즘(전술)을 사용할 수 있다.
계속해서, 새로운 노드의 면적 area(id'(Ni))에 원래의 각 화상 영역의 면적의 합 area(Ni)+area(Nj)를 대입함과 함께, 새로운 노드의 다각형의 개수 n(id'(Ni))에 원래의 각 화상 영역의 다각형의 개수의 합 n(id(Ni))+ n(id(Nj))을 대입한다. 그리고, 원래의 각 노드 Ni 및 Nj에 대하여 신규의 식별 정보 id'(Ni) 및 id'(Nj)를 각각 공급함으로써, 노드 통계 정보의 갱신 처리를 끝낸다.
그리고, 인접 그래프 내의 모든 엣지에 대하여 처리를 끝내면(스텝 S4), 미 소 영역 처리부(4)는, 화상 영역의 통합 처리를 한 결과로서 남겨진 미세한 영역을 처리한다(스텝 S7). 예를 들면, 큰 화상 영역의 사이 혹은 내부에, 통합되지 않은 채 남겨진 미소한 다각형 메쉬를, 판단식을 만족하는지의 여부에 상관없이, 인접하는 어느 하나의 화상 영역에 통합하여, 처리 결과의 미관을 좋게 한다. 여기에서 말하는 미소 영역은, 예를 들면 메쉬 표면 전체에 대하여 수 퍼센트 미만의 면적밖에 없는 다각형 메쉬이다.
전술한 바와 같은 통계적 처리 알고리즘에 기초한 화상 영역의 통합 처리는, 다각형의 면적을 통계 처리한다고 하는 간소한 계산으로 구성된다는 점에서 고속화가 가능하다. 예를 들면, 일반적인 계산기 시스템(전술)을 이용하여 매초 100만 개 정도의 다각형을 처리할 수 있다. 또한, 판단식에 포함되는 파라미터치 Q를 조정함으로써, 화상 영역끼리를 통합하는 기준을 자재로 설정하여, 원하는 성기기의 다각형 메쉬를 생성할 수 있어, 시스템은 스케일러빌리티를 갖는다.
유저는, 예를 들면 파라미터 설정부(5)를 통하여 인터랙티브하게 Q의 값을 설정할 수 있다. 예를 들면, 표시 화면 상에 슬라이드 바를 준비하고, 이 바 상에서 Q의 입력을 행하도록 할 수 있다. 도 6에는, 슬라이드 바를 이용하여 유저가 다스케일의 파라미터 Q를 설정했을 때에 인터랙티브하게 얻어지는 세그멘테이션 결과의 예를 도시하고 있다. 서로 다른 Q를 입력하면, 화상 영역 통합 처리부(3) 및 미소 영역 처리부(4)는, 반복 처리를 행할 필요가 있지만, 그 처리 시간에는 대체로 선형성이 있다. Q를 크게 잡으면 우변의 값이 작아지고, 판단식을 만족하는 것이 곤란해지는 결과, 화상 영역의 통합이 억제된다. 반대로, Q를 작은 값으로 하 면 우변의 값이 커져, 판단식을 용이하게 만족하게 되므로, 화상 영역의 통합이 촉진되어, 보다 거친 메쉬 세그멘테이션 결과를 얻을 수 있다.
대부분의 메쉬가 스캔된다든지 또는 대체로 재메쉬화되므로, 다각형의 면적을 통계적 알고리즘에 따라서 처리하는 것만으로 높은 정밀도의 세그멘테이션을 행할 수 있다고 하는 점을 충분히 이해 바란다. 즉, 메쉬는, 법선이나 곡률이라고 하는 표면의 특성을, 넌지시 다각형의 면적에 부호화하고 있다. 전처리 단계에서는, 임의의 메쉬가 이와 같은 조건에 적합하게 재메쉬화하도록 하여도 된다.
그런데, 화상 영역의 통합이 진행되면(도 7을 참조), 성장한 화상 영역은 그 면적이 거대함과 함께, 다각형의 개수도 큰 값으로 된다. 이러한 경우, 인접하는 화상 영역과의 통합의 정부를 판단하는 데에 있어서는, 경계에 가까운 다각형의 정보가 보다 중요함에도 불구하고, 화상 영역의 중앙부에서 여분의 영향을 받는다고 하는 결과에 빠진다. 즉, 통계적 처리 알고리즘에 기초한 상기의 판단식에서는 정확한 경계 판정을 행할 수 없게 된다고 하는 문제가 있다.
따라서, 화상 영역의 통합을 행했을 때에, 새롭게 생성된 화상 영역의 「외피(crust)」에 상당하는 영역 경계 근변의 다각형만을 남기고, 이후의 화상 영역의 통합에 대한 성부 판단을 행하도록 하여도 된다. 이 경우, 통합하여 새롭게 생성되는 화상 영역 전체가 아니라, "Crust"에 상당하는 영역에 대한 면적 및 다각형의 개수를 산출하여 노드 통계 정보의 갱신 처리를 행한다.
「외피」로서, 예를 들면 도 8에 도시한 바와 같이, 통합하여 새롭게 생성된 화상 영역의 전체 둘레에 걸친 경계 근변의 다각형 즉 "Circular Crust"만을 남기 고, 이후의 화상 영역 통합 처리를 행하도록 할 수 있다. 이 "Circular Crust"를 남길 때에 발생하는 노드 통계 정보의 갱신 처리는 비교적 계산량이 적고, 또한 이후의 화상 영역의 통합에 대한 성부 판단을 정확하게 할 수 있다.
도 9에는, "Circular Crust"만을 남긴 메쉬 세그멘테이션 처리를 행하기 위한 처리 수순을 플로우차트의 형식으로 도시하고 있다.
우선, 화상 정보 입력부(1)에 있어서, 처리 대상으로 되는 3차원 오브젝트의 화상 정보를 입력한다(스텝 S11). 화상 정보는, 다각형을 노드로 하고, 다각형의 변을 엣지로 하여 구성되는 인접 그래프의 형식으로 기술된다(전술 및 도 3을 참조).
화상 정보 입력부(1)는, 입력된 인접 그래프를 스캔하여, 각 노드 Ni에 식별 정보 id(Ni)를 공급함과 함께, 상당하는 다각형의 면적을 구하고, 노드마다의 식별 정보, 면적, 및 다각형의 개수(초기치는 1)를 노드 통계 정보에 등록(초기화)한다. 노드 통계 정보의 초기화 처리는 도 5에서 설명한 경우와 마찬가지이므로, 여기에서는 설명을 생략한다.
다음으로, 인접 그래프 평가부(2)에서는, 입력된 인접 그래프의 각 엣지를 평가하여 소팅을 행한다(스텝 S12). 구체적으로는, 엣지로 연결되는 화상 영역간의 면적의 상위를 엣지의 가중치로서 부여하고, 가중치가 작은 순으로 소팅을 행한다.
계속해서, 파라미터 설정부(5)를 통해서, 세그멘테이션의 성기기를 컨트롤하 기 위한 파라미터 Q를 설정한다(스텝 S13).
화상 영역 통합 처리부(3)에서는, 소팅된 순서에 따라서 엣지를 삽입하는 화상 영역의 페어를 취출한다(스텝 S14). 그리고, 이들 화상 영역이 통계적 알고리즘에 기초한 판단식을 만족하는지의 여부에 기초하여 통합 처리를 행한다(스텝 S15). 여기에서 이용하는 판단식은, 화상 영역을 구성하는 다각형의 면적에서 나타나는 현상인, 통계적인 집중 불균형으로부터 도출되는 것으로서(전술), 스텝 S13에서 설정된 파라미터 Q를 이용한다.
화상 영역 통합 처리부(3)는, 화상 영역끼리를 통합했을 때에는, 새로운 노드를 생성하고, 이 노드를 식별하기 위한 새로운 id를 부여하고, 통합에 의해 새롭게 생성된 화상 영역의 면적 및 다각형의 개수를 산출하여, 노드 통계 정보의 갱신 처리를 행한다(스텝 S16).
"Circular Crust"만을 남겨서 화상 영역을 통합하고, 그 후에 노드 통계 정보를 갱신하는 의사 프로그램·코드를 이하에 기재하여 둔다. 단, Merge()는 인수로 나타내는 각 화상 영역을 통합 처리하는 함수, Extract()는 인수로 나타내는 식별 정보에 대응하는 화상 영역을 추출하는 함수, Create Crust()는 인수로 나타내는 복수의 영역의 "Circular Crust"만을 남기는 처리를 행하기 위한 함수이다.
Figure 112007088330058-PCT00010
우선, Merge 함수의 인수로 나타내는 노드 Ni 및 Nj의 통합 처리를 행한다. 그리고, 각 노드 Ni 및 Nj에 대응하는 화상 영역 Ri 및 Rj를, 각각 함수 Extract를 이용하여 취출한다. 단, 화상 영역 Ri는 동일한 노드 식별 정보 id(Ni)를 갖는 모든 노드 Nl로 한다(즉, Ri={Nl｜id(Nl)=id(Ni)}).
다음으로, 함수 Create Crust를 이용하여, 이들 화상 영역의 합집합 Ri∪Rj에 대한 Circle Crust를 생성한다. 이 처리는, 화상 영역에 대하여 morphology 등의 처리를 적용함으로써 실현한다.
그리고, 얻어진 화상 영역 Crust(Ri∪Rj)에 대하여, 면적 area(Crust(Ri∪ Rj))와, 영역을 구성하는 다각형의 수 n(Crust(Ri∪Rj))을 구한다.
다음으로, 원래의 각 노드 Ni 및 Nj에 대하여 동일한 신규의 식별 정보 id'(Ni)=id'(Nj)를 공급함으로써, 양 화상 영역이 통합되어, 새로운 노드가 생성되었음을 나타낸다. 새로운 노드에 식별 정보를 공급할 때에, Robert Endre Tarjan이 고안한 Union-Find 알고리즘(전술)을 사용할 수 있다.
계속해서, 새로운 노드의 면적 area(id'(Ni))에, 앞서 구한 area(Crust(Ri∪Rj))를 대입한다. 또한, 새로운 노드의 다각형의 개수 n(id'(Ni))에 n(Crust(Ri∪Rj))을 대입한다. 그리고, 각 노드 Ni 및 Nj에 대하여 신규의 식별 정보 id'(Ni) 및 id'(Nj)를 각각 공급함으로써, 노드 통계 정보의 갱신 처리를 마친다.
그리고, 인접 그래프 내의 모든 엣지에 대하여 처리를 끝내면(스텝 S14), 미소 영역 처리부(4)는, 화상 영역의 통합 처리를 한 결과로서 남겨진 미세한 영역을 처리한다(스텝 S17). 예를 들면, 큰 화상 영역의 사이 혹은 내부에, 통합되지 않은 채 남겨진 미소한 다각형 메쉬를, 판단식을 만족하는지의 여부에 상관없이, 인접하는 어느 하나의 화상 영역에 통합하여, 처리 결과의 미관을 좋게 한다. 여기에서 말하는 미소 영역은, 예를 들면 메쉬 표면 전체에 대하여 수 퍼센트 미만의 면적밖에 없는 다각형 메쉬이다.
또한, 「외피」로서, 도 10에 도시한 바와 같이, 통합하고자 하는 각 화상 영역이 접하는 경계 근변의 다각형 즉 "Border Crust"만을 남기고, 이후의 화상 영 역 통합 처리를 행하도록 하여도 된다. 이 Border Crust를 이용함으로써, Circular Crust를 이용한 경우보다도 더욱 정확하게 이후의 화상 영역의 통합에 대한 성부 판단을 행할 수 있다. 단, Border Crust를 이용하는 경우에는, 노드 통계 정보뿐만 아니라, 인접 그래프도 갱신해야만 하므로, 그 계산량이 방대해진다.
도 11에는, "Border Crust"만을 남긴 메쉬 세그멘테이션 처리를 행하기 위한 처리 수순을 플로우차트의 형식으로 도시하고 있다.
우선, 화상 정보 입력부(1)에 있어서, 처리 대상으로 되는 3차원 오브젝트의 화상 정보를 입력한다(스텝 S21). 화상 정보는, 다각형을 노드로 하고, 다각형의 변을 엣지로 하여 구성되는 인접 그래프의 형식으로 기술된다(전술 및 도 3을 참조).
화상 정보 입력부(1)는, 입력된 인접 그래프를 스캔하여, 각 노드 Ni에 식별 정보 id(Ni)를 공급함과 함께, 상당하는 다각형의 면적을 구하고, 노드마다의 식별 정보, 면적, 및 다각형의 개수(초기치는 1)를 노드 통계 정보에 등록(초기화)한다. 노드 통계 정보의 초기화 처리는 도 5에서 설명한 경우와 마찬가지이므로, 여기에서는 설명을 생략한다.
다음으로, 인접 그래프 평가부(2)에서는, 입력된 인접 그래프의 각 엣지를 평가하여 소팅을 행한다(스텝 S22). 구체적으로는, 엣지로 연결되는 화상 영역간의 면적의 상위를 엣지의 가중치로서 부여하고, 가중치가 작은 순(increasing order)으로 소팅을 행한다.
계속해서, 파라미터 설정부(5)를 통해서, 세그멘테이션의 성기기를 컨트롤하기 위한 파라미터 Q를 설정한다(스텝 S23).
화상 영역 통합 처리부(3)에서는, 소팅된 순서에 따라서 엣지를 삽입하는 화상 영역의 페어를 취출한다(스텝 S24). 그리고, 이들 화상 영역이 통계적 알고리즘에 기초한 판단식을 만족하는지의 여부에 기초하여 통합 처리를 행한다(스텝 S25). 여기에서 이용하는 판단식은, 화상 영역을 구성하는 다각형의 면적에서 나타나는 현상인, 통계적인 집중 불균형으로부터 도출되는 것으로서(전술), 스텝 S23에서 설정된 파라미터 Q를 이용한다.
화상 영역 통합 처리부(3)는, 화상 영역끼리를 통합했을 때에는, 새로운 노드를 생성하고, 이 노드를 식별하기 위한 새로운 id를 부여하고, 통합에 의해 새롭게 생성된 화상 영역의 면적 및 다각형의 개수를 산출하여, 노드 통계 정보의 갱신 처리를 행한다(스텝 S26) .
"Border Crust"만을 남겨서 화상 영역을 통합하고, 그 후에 노드 통계 정보를 갱신하는 의사 프로그램·코드를 이하에 기재하여 놓는다. 단, Merge()는 인수로 나타내는 각 화상 영역을 통합 처리하는 함수, Extract Boundary()는 인수로 나타내는 식별 정보에 대응하는 각 화상 영역간의 경계를 추출하는 함수, Create Crust()는 인수로 나타내는 복수의 영역의 "Border Crust"만을 남기는 처리를 행하기 위한 함수이다.
Figure 112007088330058-PCT00011
우선, Merge 함수의 인수로 나타내어지는 노드 Ni 및 Nj의 통합 처리를 행한다. 그리고, 노드 Ni의 화상 영역 Ri 중 노드 Nj의 화상 영역에 접하는 경계와, 노드 Nj의 화상 영역 Rj 중 노드 Ni의 화상 영역에 접하는 경계를, 각각 함수 Extract Boundary를 이용하여 취출한다.
다음으로, 함수 Create Crust를 이용하여, 이들 화상 영역의 합집합 Ri∪Rj에 대한 Border Crust를 생성한다. 이 처리는, 한쪽의 화상 영역 Ri로부터 화상 영역 Rj와 접하는 경계 부분으로부터 일정한 폭(화소 수)의 영역 Bi를 절취함과 함께, 다른 쪽의 화상 영역 Rj로부터 화상 영역 Ri와 접하는 경계 부분으로부터 일정한 폭(화소 수)의 영역 Bj를 절취하고, 이들 절취된 화상 영역의 합집합 Bi∪Bj를 생성하는 것에 상당한다(도 12를 참조).
그리고, 얻어진 화상 영역 Ri∪Rj에 대하여, 면적 area(Bi∪Bj)와, 영역을 구성하는 다각형의 수 n(Bi∪Bj)을 구한다.
다음으로, 각 노드 Ni 및 Nj에 대하여 동일한 신규의 식별 정보 id'(Ni)=id'(Nj)를 부여함으로써, 양 화상 영역이 통합되어, 새로운 노드가 생성되었음을 나타낸다. 새로운 노드에 식별 정보를 공급할 때에, Robert Endre Tarjan이 고안한 Union-Find 알고리즘(전술)을 사용할 수 있다.
계속해서, 새로운 노드의 면적 area(id'(Ni))에, 앞서 구한 area(Bi∪Bj)를 대입한다. 또한, 새로운 노드의 다각형의 개수 n(id'(Ni))에 n(Bi∪Bj)을 대입한다. 그리고, 각 노드 Ni 및 Nj에 대하여 신규의 식별 정보 id'(Ni) 및 id'(Nj)를 각각 공급함으로써, 노드 통계 정보의 갱신 처리를 마친다.
계속해서, 화상 영역 통합 처리부(3)는, 인접 그래프의 갱신 처리를 행한다(스텝 S27). 즉, 인접 그래프에 포함되는 엣지의 가중 인자를 재계산하고, 가중치의 크기에 따라 엣지를 재소팅한다. 그리고, 스텝 S24로 복귀하여, 소팅된 순서에 따라서 엣지를 삽입하는 화상 영역의 페어를 취출하고, 통계적 처리 알고리즘에 기초한 화상 영역의 통합 처리를 반복하여 행한다.
우선, Border Crust를 생성하는 처리 대상으로 된 화상 영역 Ri 및 Rj의 각각에 인접하는 모든 화상 영역 Rl의 식별 정보 id(Nl)를 탐색한다. 그리고, 발견된 화상 영역에 상당하는 노드 Nl과 각 처리 대상 노드 Ni와 Nj의 엣지 eil, ejl이 있으면, 이들 가중을 재계산한다.
도 13에는, 인접 그래프를 갱신하는 양태를 도해하고 있다. 도시된 예에서는 Border Crust를 생성하는 처리 대상으로 된 화상 영역 Ri 및 Rj의 각각에 인접하는 화상 영역으로서, Ri에 인접하는 Rl, 및 Rj에 인접하는 Rk가 발견된 것으로 한다. 이 경우, 이하의 수학식에 기초하여 각 엣지 eil 및, ejk의 각 가중 W(e) 및 W(e)를 계산한다.
Figure 112007088330058-PCT00012
이와 같은 화상 영역의 통합과, 통합에 수반하는 노드 통계 정보의 갱신 처리를 재귀적으로 반복하여 가면, 마침내 파라미터 Q에 의해 임계치가 설정되는 판단식을 만족하는 화상 영역의 조합이 발견되지 않게 된다. 즉, 인접 그래프 중에 미처리의 엣지가 없어지면(스텝 S24의 No), 미소 영역 처리부(4)는, 화상 영역의 통합 처리를 한 결과로서 남겨진 미세한 영역을 처리한다(스텝 S28). 예를 들면, 큰 화상 영역의 사이 혹은 내부에, 통합되지 않은 채 남겨진 미소한 다각형 메쉬 를, 판단식을 만족하는지의 여부에 상관없이, 인접하는 어느 하나의 화상 영역에 통합하여, 처리 결과의 미관을 좋게 한다. 여기에서 말하는 미소 영역은, 예를 들면 메쉬 표면 전체에 대하여 수 퍼센트 미만의 면적밖에 없는 다각형 메쉬이다.
또한, 화상 영역 통합 처리부(3)에서 사용하는 판단식(전술)은, 세그멘테이션의 성기기를 제어하기 위한 파라미터 Q를 포함하고 있으므로, 원하는 세그멘테이션의 성기기가 얻어지는 파라미터 Q의 값을 파라미터 설정부(5)로부터 공급할 수 있다. 또한, 유저로부터 원하는 세그멘테이션의 성기기가 부여되었을 때에, 파라미터 설정부(5)는, 해당하는 파라미터 Q의 값으로 변환하여 시스템에 공급하도록 하여도 된다. 유저는, 메쉬 세그멘테이션을 행할 때에 화상 영역수를 공급할 수 있음과 함께, 통계적 처리 알고리즘에 기초한 화상 영역의 통합 처리가 고속이라는 점에서, 화상 영역수를 동적 즉 자재로 변경할 수 있다. 이와 같은 유연한 파라미터 Q의 설정을 행함으로써, 프로그레시브한 메쉬 세그멘테이션을 실현할 수 있어, 다양한 인터랙티브 어플리케이션에 적용하기 쉬워진다.
예를 들면, Q를 어떤 생략시치로 설정하여 메쉬 세그멘테이션 처리를 행한 결과를 화면 표시하면, 원래의 3차원 오브젝트가 N개의 화상 영역으로 분할되어 있었던 것으로 한다. 이 처리 결과에 대하여, 유저로부터 「M개의 영역으로 분할한 결과를 원한다」고 하는 반응이 있었을 경우에는, 파라미터 설정부(5)는, 화상 영역이 M개로 되는 Q의 값을 구하고, 이것을 화상 영역 통합 처리부(3)에 공급하여, 메쉬 세그멘테이션 처리를 재실행한다. 물론, 축차적으로 변환 처리를 연산하는 것이 아니라, Q치에의 변환 일람표를 준비하여 두어도 된다.
본 실시 형태에 따른 화상 처리 장치(10)에 의하면, 파라미터 설정부(5)에 의해 복수의 Q를 연속하여 입력함으로써, 프로그레시브한 메쉬 세그멘테이션을 행함과 함께, 계층화 세그멘테이션을 실현할 수 있다. 통계적 처리 알고리즘에 기초한 화상 영역의 통합 처리가 고속이라는 점에서, 메쉬 세그멘테이션을 행할 때에, 유저는, 화상 영역수를 동적 즉 자재로 변경할 수 있다.
본 발명자는, 계층화 세그멘테이션의 하나의 어플리케이션으로서, 화상 검색(shape matching)을 생각하고 있다. 예를 들면, 세그먼트화된 화상 영역마다 키워드를 설정하여, 화상 검색을 행할 수 있다(예를 들면, "Modeling by example"(In Proc. SIGGRAPH(2004) Vol.23, Issue3, pp.652-663)을 참조할 것).
본 발명에 따르면, 메쉬 세그멘테이션의 계층마다 키워드의 부여를 행함으로써, 원래의 3차원 오브젝트의 이미지에 대하여, 계층 구조의 키워드 정보를 구축할 수 있다. 이와 같은 경우, 동일한 3차원 오브젝트에 대하여 검색 즉 shape matching을 적용하여도, 계층마다 서로 다른 검색 결과를 얻을 수 있다. 혹은, 원하는 검색 결과가 얻어지도록 파라미터 설정부(5)에서 Q의 값을 제어할 수 있다.
여기에서 중요한 것은, 통계적 처리 알고리즘에 기초한 화상 영역의 통합 처리가 고속이라는 점에서, 메쉬 세그멘테이션을 행할 때에 화상 영역수를 동적 즉 자재로 변경할 수 있다고 하는 점이다. 즉, 유저는, 검색 결과에 따라서, 파라미터 설정부(5)를 통하여 Q치를 재설정한다고 하는 조작만으로 바로 부품수를 자재로 바꾸는 것이 가능하며, 이에 의해 검색 결과의 유사도 컨트롤을 가능하게 조작할 수 있다.
화면 상에 슬라이드 바를 설치하고, 유저가 슬라이더를 이동한 위치에 따라서 파라미터 설정부(5)가 Q치를 판독한다고 하는 실현 형태가 생각된다(전술). 도 14∼도 16에는, 메쉬 세그멘테이션 시에, 슬라이드 바의 조작을 통하여 Q치를 설정하여 분할하는 화상 영역수를 조정하는 양태를 도시하고 있다. 도 14에 도시한 바와 같이, 지면 좌측의 슬라이드 바 상에서 비교적 높은 Q치를 설정하면, 화상 영역의 통합은 억제되고, 화상 영역수는 많은, 즉 작은 세그먼트가 많아진다. 동 도면에서는, 지면 우측 상에 표시되어 있는 바와 같이, 통합된 영역 수는 116이다. 한편, 도 15 및 도 16에 도시한 바와 같이, 슬라이드 바 상에서 비교적 높은 Q치를 설정하면, 화상 영역의 통합은 촉진되고, 화상 영역수는 적은, 즉 비교적 큰 세그먼트가 많아진다. 동 도면에서는, 지면 우측 상에 표시되어 있는 바와 같이, 통합된 영역 수는 10이다. 통계적 처리 알고리즘에 기초한 화상 영역의 통합 처리가 고속이라는 점에서, 이와 같은 슬라이드 바의 조작에 따라서, 시스템은 바로 화상 영역수가 서로 다른 메쉬 세그멘테이션 결과를 구하여, 유저에게 제시할 수 있다. 즉, 유저는, 화상 영역수를 동적 즉 자재로 변경할 수 있다.
이상, 특정의 실시 형태를 참조하면서, 본 발명에 대하여 자세히 해석하여 왔다. 그러나, 본 발명의 요지를 일탈하지 않는 범위에서 당업자가 해당 실시 형태의 수정이나 대용을 할 수 있는 것은 자명하다.
본 발명에 따른 메쉬 세그멘테이션 처리는, 화상 영역끼리를 통합하는 기준을 자재로 설정하여, 원하는 성기기의 다각형 메쉬를 생성할 수 있어, 시스템은 스 케일러빌리티를 갖고, 파라메탈리제이션 및 텍스쳐 맵핑, 화상 변형(morphing), 다해상도 모델링, 화상 편집, 화상 압축, 애니메이션, 및 형상 매칭 등, 다양한 인터랙티브 어플리케이션에 적용할 수 있다.
요컨대, 예시라고 하는 형태에서 본 발명을 개시하여 온 것이며, 본 명세서의 기재 내용을 한정적으로 해석하여서는 안 된다. 본 발명의 요지를 판단하기 위해서는, 청구의 범위의 기재를 참작해야 한다.

Claims (46)

  1. 각각 속성치를 갖는 복수의 노드로 토폴로지가 형성된 데이터를 취급하는 정보 처리 장치로서,
    상기 토폴로지 상에서 인접하는 노드끼리가 각각 갖는 속성치에 기초하여 노드간을 연결하는 엣지의 가중 인자를 구하고, 가중 인자에 기초하여 엣지를 소팅하는 토폴로지 평가부와,
    그 소팅된 순서에 따라서, 엣지로 연결되는 노드의 페어를 취출하고, 그 노드끼리를 통합해야 할지의 여부를 소정의 통계적 처리 알고리즘에 기초하여 평가하고, 노드 영역의 통합 처리를 행하는 노드 통합 처리부
    를 구비하는 것을 특징으로 하는 정보 처리 장치.
  2. 제1항에 있어서,
    상기 노드 통합 처리부에 의해 노드끼리의 통합 처리를 한 결과로서, 통합이 충분히 행해지지 않고 남겨진 미세한 노드를 처리하는 미소 노드 처리부를 더 구비하는 것을 특징으로 하는 정보 처리 장치.
  3. 제1항에 있어서,
    상기 토폴로지 평가부는, 인접하는 노드가 각각 갖는 속성치의 상위를 엣지의 가중치로서 부여하고, 가중치가 작은 순으로 소팅을 행하는 것을 특징으로 하는 정보 처리 장치.
  4. 제1항에 있어서,
    상기 노드 통합 처리부는, 인접하는 노드가 각각 갖는 속성치에서의 집중 불균형 현상으로부터 도출되는 판단식에 기초하여, 노드끼리를 통합해야 할지의 여부를 판단하는 것을 특징으로 하는 정보 처리 장치.
  5. 제1항에 있어서,
    상기 노드 통합 처리부는, 인접하는 노드 f(i) 및 f(j)가 각각 속성치로서 갖는 통계 정보 Stats.f(i) 및 Stats.f(j)에 관하여 이하의 통계적 알고리즘에 기초한 판단식을 만족할 때에,
    [수학식 1]
    Figure 112007088330058-PCT00013
    노드 f(i) 및 f(j)를 통합해야 한다고 판정하는(단, 노드 f(i)는 N(i)개의 노드를 포함함과 함께 노드 f(j)는 N(j)개의 노드를 포함하고, 함수 b(x)는 b(x)=(logx)/Q+(K/x)이고, K는 상수, Q는 노드를 통합하여 성장한 세그멘테이션의 성기기를 제어하기 위한 파라미터로 함) 것을 특징으로 하는 정보 처리 장치.
  6. 제1항에 있어서,
    각 노드에 관한 노드 속성 정보를 보유하는 노드 속성 정보 유지부를 더 구비하고,
    상기 노드 통합 처리부는, 노드의 통합을 실행했을 때에는, 통합하여 새롭게 생성된 노드에 관한 속성 정보를 산출하여 상기 노드 통계 정보의 갱신 처리를 행하는 것을 특징으로 하는 정보 처리 장치.
  7. 제6항에 있어서,
    상기 토폴로지 평가부는, 통합 처리된 노드와 그 인접 노드를 연결하는 엣지의 가중 인자를 갱신된 노드 속성 정보에 기초하여 재계산하고, 가중치에 기초하여 상기 토폴로지 중의 엣지를 재소팅하고,
    상기 노드 통합 처리부는, 상기 통계적 처리 알고리즘에 기초하여 통합해야 할 화상 영역의 페어가 없어질 때까지 노드의 통합과 노드 속성 정보의 갱신을 반복하여 행하는 것을 특징으로 하는 정보 처리 장치.
  8. 각각 속성치를 갖는 복수의 노드로 토폴로지가 형성된 데이터를 취급하는 정보 처리 방법으로서,
    상기 토폴로지 상에서 인접하는 노드끼리가 각각 갖는 속성치에 기초하여 노드간을 연결하는 엣지의 가중 인자를 구하고, 가중 인자에 기초하여 엣지를 소팅하는 토폴로지 평가 스텝과,
    그 소팅된 순서에 따라서, 엣지로 연결되는 노드의 페어를 취출하고, 그 노 드끼리를 통합해야 할지의 여부를 소정의 통계적 처리 알고리즘에 기초하여 평가하고, 노드 영역의 통합 처리를 행하는 노드 통합 처리 스텝
    을 구비하는 것을 특징으로 하는 정보 처리 방법.
  9. 제8항에 있어서,
    상기 노드 통합 처리 스텝에서 노드끼리의 통합 처리를 한 결과로서, 통합이 충분히 행해지지 않고 남겨진 미세한 노드를 처리하는 미소 노드 처리 스텝을 더 구비하는 것을 특징으로 하는 정보 처리 방법.
  10. 제8항에 있어서,
    상기 토폴로지 평가 스텝에서는, 인접하는 노드가 각각 갖는 속성치의 상위를 엣지의 가중치로서 부여하고, 가중치가 작은 순으로 소팅을 행하는 것을 특징으로 하는 정보 처리 방법.
  11. 제8항에 있어서,
    상기 노드 통합 처리 스텝에서는, 인접하는 노드가 각각 갖는 속성치에서의 집중 불균형 현상으로부터 도출되는 판단식에 기초하여, 노드끼리를 통합해야 할지의 여부를 판단하는 것을 특징으로 하는 정보 처리 방법.
  12. 제8항에 있어서,
    상기 노드 통합 처리 스텝에서는, 인접하는 노드 f(i) 및 f(j)가 각각 속성치로서 갖는 통계 정보 Stats.f(i) 및 Stats.f(j)에 관하여 이하의 통계적 알고리즘에 기초한 판단식을 만족할 때에,
    [수학식 2]
    Figure 112007088330058-PCT00014
    노드 f(i) 및 f(j)를 통합해야 한다고 판정하는(단, 노드 f(i)는 N(i)개의 노드를 포함함과 함께 노드 f(j)는 N(j)개의 노드를 포함하고, 함수 b(x)는 b(x)=(logx)/Q+(K/x)이며, K는 상수, Q는 노드를 통합하여 성장한 세그멘테이션의 성기기를 제어하기 위한 파라미터로 함) 것을 특징으로 하는 정보 처리 방법.
  13. 제8항에 있어서,
    각 노드에 관한 노드 속성 정보를 보유하는 노드 속성 정보 유지 스텝을 더 구비하고,
    상기 노드 통합 처리 스텝에서는, 노드의 통합을 실행했을 때에는, 통합하여 새롭게 생성된 노드에 관한 속성 정보를 산출하여 상기 노드 통계 정보의 갱신 처리를 행하는 것을 특징으로 하는 정보 처리 방법.
  14. 제13항에 있어서,
    통합 처리된 노드와 그 인접 노드를 연결하는 엣지의 가중 인자를 갱신된 노 드 속성 정보에 기초하여 재계산하고, 가중치에 기초하여 상기 토폴로지 중의 엣지를 재소팅하는 토폴로지 재평가 스텝을 더 구비하고,
    상기 통계적 처리 알고리즘에 기초하여 통합해야 할 화상 영역의 페어가 없어질 때까지, 상기 노드 통합 처리 스텝에서의 노드의 통합과 노드 속성 정보의 갱신을 반복 행하는 것을 특징으로 하는 정보 처리 방법.
  15. 오브젝트를 복수의 다각형으로 이루어지는 다각형 메쉬로서 취급하여 화상 처리를 행하는 화상 처리 장치로서,
    다각형 메쉬를 기술하는 인접 그래프를 입력하는 인접 그래프 입력부와,
    엣지로 연결되는 각 화상 영역이 갖는 속성치를 비교하고 비교 결과에 기초하여 가중 인자를 엣지에 부여하고, 가중치에 기초하여 인접 그래프 내의 엣지를 소팅하는 인접 그래프 평가부와,
    소팅된 순서에 따라서 엣지를 삽입하는 화상 영역의 페어를 취출하고, 화상 영역끼리를 통계적 처리 알고리즘에 기초하여 통합해야 할지의 여부를 평가하고, 화상 영역의 통합 처리를 행하는 화상 영역 통합 처리부
    를 구비하는 것을 특징으로 하는 화상 처리 장치.
  16. 제15항에 있어서,
    화상 영역의 통합 처리를 한 결과로서 남겨진 미세한 영역을 처리하는 미소 영역 처리부를 더 구비하는 것을 특징으로 하는 화상 처리 장치.
  17. 제15항에 있어서,
    상기 인접 그래프 입력부는, 다각형 메쉬를 구성하는 개개의 다각형을 노드로서 취급하고, 인접하는 다각형끼리가 접하는 변에 상당하는 엣지를 이용하여 대응하는 노드간을 연결하여 기술되는 인접 그래프를 입력하는 것을 특징으로 하는 화상 처리 장치.
  18. 제15항에 있어서,
    상기 인접 그래프 평가부는, 인접 그래프의 엣지로 연결되는 각 화상 영역이 갖는 속성치의 상위를 엣지의 가중치로서 부여하고, 가중치가 작은 순으로 소팅을 행하는 것을 특징으로 하는 화상 처리 장치.
  19. 제18항에 있어서,
    상기 인접 그래프 평가부는, 화상 영역이 갖는 속성치로서, 화상 영역의 면적(화상 영역에 포함되는 다각형 메쉬의 평균 면적), 법선 방향, 또는 색(화상 영역 내의 RGB 중 적어도 1 성분에 대한 평균색) 혹은 그밖의 화소 속성 정보를 이용하는 것을 특징으로 하는 화상 처리 장치.
  20. 제15항에 있어서,
    상기 화상 영역 통합 처리부는, 화상 영역을 구성하는 다각형의 면적에서의 집중 불균형 현상으로부터 도출되는 판단식에 기초하여, 인접 그래프의 엣지로 연결되는 화상 영역끼리를 통합해야 할지의 여부를 판단하는 것을 특징으로 하는 화상 처리 장치.
  21. 제15항에 있어서,
    상기 화상 영역 통합 처리부는, 인접 그래프의 엣지로 연결되는 2개의 화상 영역 Rk 및 Rl에 관하여 이하의 통계적 알고리즘에 기초한 판단식을 만족할 때에,
    [수학식 3]
    Figure 112007088330058-PCT00015
    화상 영역 Rk 및 Rl을 통합해야 한다고 판정하는(단, 화상 영역 Rk는 면적 Sk를 가짐과 함께 nk개의 다각형으로 구성되고, 화상 영역 Rl은 면적 Sl을 가짐과 함께 nl개의 다각형으로 구성되는 것으로 하고, A는 다각형의 최대 면적으로 하고, Q는 세그멘테이션의 성기기를 제어하기 위한 파라미터로 함) 것을 특징으로 하는 화상 처리 장치.
  22. 제21항에 있어서,
    상기 판단식 중의 파라미터 Q를 설정하는 파라미터 설정 수단을 더 구비하는 것을 특징으로 하는 화상 처리 장치.
  23. 제22항에 있어서,
    원하는 세그멘테이션의 성기기가 얻어지는 파라미터 Q의 값을 상기 파라미터 설정 수단에 부여하는 세그멘테이션 성기기 제어 수단을 더 구비하는 것을 특징으로 하는 화상 처리 장치.
  24. 제23항에 있어서,
    상기 세그멘테이션 성기기 제어 수단은, 원하는 세그멘테이션의 성기기가 외부로부터 부여되었을 때에, 그 성기기에 상당하는 파라미터 Q의 값으로 변환하여 상기 파라미터 설정 수단에 부여하는 것을 특징으로 하는 화상 처리 장치.
  25. 제15항에 있어서,
    인접 그래프의 각 노드는 대응하는 화상 영역의 면적 및 다각형의 개수에 관한 노드 통계 정보를 보유하는 노드 통계 정보 유지부를 더 구비하고,
    상기 화상 영역 통합 처리부는, 화상 영역의 통합을 실행했을 때에는, 통합하여 새롭게 생성된 화상 영역의 면적 및 다각형의 개수를 산출하여 상기 노드 통계 정보의 갱신 처리를 행하는 것을 특징으로 하는 화상 처리 장치.
  26. 제25항에 있어서,
    상기 인접 그래프 평가부는, 통합 처리된 화상 영역과 그 인접 화상 영역을 연결하는 엣지의 가중 인자를 갱신된 노드 통계 정보에 기초하여 재계산하고, 가중치에 기초하여 인접 그래프 내의 엣지를 재소팅하고,
    상기 화상 영역 통합 처리부는, 상기 통계적 처리 알고리즘에 기초하여 통합해야 할 화상 영역의 페어가 없어질 때까지 화상 영역의 통합과 노드 통계 정보의 갱신을 반복하여 행하는 것을 특징으로 하는 화상 처리 장치.
  27. 제25항에 있어서,
    상기 화상 영역 통합 처리부는, 화상 영역의 통합을 행했을 때에, 새롭게 생성된 화상 영역의 경계 근변의 다각형으로 이루어지는 클러스트만을 남기고, 화상 영역의 면적 및 다각형의 개수를 산출하여 상기 노드 통계부의 갱신 처리를 행하고, 클러스트를 이용하여 이후의 화상 영역의 통합에 대한 성부 판단을 행하는 것을 특징으로 하는 화상 처리 장치.
  28. 제27항에 있어서,
    상기 화상 영역 통합 처리부는, 통합하여 새롭게 생성된 화상 영역의 전체 둘레에 걸친 경계 근변의 다각형을 클러스트로서 남기는 것을 특징으로 하는 화상 처리 장치.
  29. 제27항에 있어서,
    상기 화상 영역 통합 처리부는, 통합하고자 하는 각 화상 영역이 접하는 경계 근변의 다각형을 클러스트로서 남기고,
    그 통합 처리를 행했을 때에, 상기 인접 그래프 평가부는 인접 그래프의 재평가를 행하는 것을 특징으로 하는 화상 처리 장치.
  30. 오브젝트를 복수의 다각형으로 이루어지는 다각형 메쉬로서 취급하여 화상 처리를 행하는 화상 처리 방법으로서,
    다각형 메쉬를 기술하는 인접 그래프를 입력하는 인접 그래프 입력 스텝과,
    엣지로 연결되는 각 화상 영역이 갖는 속성치를 비교하고 비교 결과에 기초하여 가중 인자를 엣지에 부여하고, 가중치에 기초하여 인접 그래프 내의 엣지를 소팅하는 인접 그래프 평가 스텝과,
    소팅된 순서에 따라서 엣지를 삽입하는 화상 영역의 페어를 취출하고, 화상 영역끼리 통계적 처리 알고리즘에 기초하여 통합해야 할지의 여부를 평가하고, 화상 영역의 통합 처리를 행하는 화상 영역 통합 처리 스텝
    을 구비하는 것을 특징으로 하는 화상 처리 방법.
  31. 제30항에 있어서,
    화상 영역의 통합 처리를 한 결과로서 남겨진 미세한 영역을 처리하는 미소 영역 처리 스텝을 더 구비하는 것을 특징으로 하는 화상 처리 방법.
  32. 제30항에 있어서,
    상기 인접 그래프 입력 스텝에서는, 다각형 메쉬를 구성하는 개개의 다각형을 노드로서 취급하고, 인접하는 다각형끼리가 접하는 변에 상당하는 엣지를 이용하여 대응하는 노드간을 연결하여 기술되는 인접 그래프를 입력하는 것을 특징으로 하는 화상 처리 방법.
  33. 제30항에 있어서,
    상기 인접 그래프 평가 스텝에서는, 엣지로 연결되는 각 화상 영역이 갖는 속성치의 상위를 엣지의 가중치로서 부여하고, 가중치가 작은 순으로 소팅을 행하는 것을 특징으로 하는 화상 처리 방법.
  34. 제33항에 있어서,
    상기 인접 그래프 평가 스텝에서는, 화상 영역이 갖는 속성치로서, 화상 영역의 면적, 법선 방향, 또는 색 혹은 그밖의 화소 속성 정보를 이용하는 것을 특징으로 하는 화상 처리 방법.
  35. 제30항에 있어서,
    상기 화상 영역 통합 처리 스텝에서는, 화상 영역을 구성하는 다각형의 면적에서의 집중 불균형 현상으로부터 도출되는 판단식에 기초하여, 인접 그래프의 엣지로 연결되는 화상 영역끼리를 통합해야 할지의 여부를 판단하는 것을 특징으로 하는 화상 처리 방법.
  36. 제30항에 있어서,
    상기 화상 영역 통합 처리 스텝에서는, 인접 그래프의 엣지로 연결되는 2개의 화상 영역 Rk 및 Rl에 관하여 이하의 통계적 알고리즘에 기초한 판단식을 만족할 때에,
    [수학식 4]
    Figure 112007088330058-PCT00016
    화상 영역 Rk 및 Rl을 통합해야 한다고 판정하는(단, 화상 영역 Rk는 면적 Sk를 가짐과 함께 nk개의 다각형으로 구성되고, 화상 영역 Rl은 면적 Sl을 가짐과 함께 nl개의 다각형으로 구성되는 것으로 하고, A는 다각형의 최대 면적으로 하고, Q는 세그멘테이션의 성기기를 제어하기 위한 파라미터로 함) 것을 특징으로 하는 화상 처리 방법.
  37. 제36항에 있어서,
    상기 판단식 중의 파라미터 Q를 설정하는 파라미터 설정수 스텝을 더 구비하는 것을 특징으로 하는 화상 처리 방법.
  38. 제37항에 있어서,
    원하는 세그멘테이션의 성기기가 얻어지는 파라미터 Q의 값을 부여하는 세그멘테이션 성기기 제어 스텝을 더 구비하는 것을 특징으로 하는 화상 처리 방법.
  39. 제38항에 있어서,
    상기 세그멘테이션 성기기 제어 스텝에서는, 원하는 세그멘테이션의 성기기가 외부로부터 부여되었을 때에, 그 성기기에 상당하는 파라미터 Q의 값으로 변환하여 상기 파라미터 설정 수단에 부여하는 것을 특징으로 하는 화상 처리 방법.
  40. 제30항에 있어서,
    인접 그래프의 각 노드는 대응하는 화상 영역의 면적 및 다각형의 개수에 관한 노드 통계 정보를 보유하는 노드 통계 유지 스텝을 더 구비하고,
    상기 화상 영역 통합 처리 스텝에서는, 화상 영역의 통합을 실행했을 때에는, 통합하여 새롭게 생성된 화상 영역의 면적 및 다각형의 개수를 산출하여 상기 노드 통계부의 갱신 처리를 행하는 것을 특징으로 하는 화상 처리 방법.
  41. 제40항에 있어서,
    통합 처리된 화상 영역과 그 인접 화상 영역을 연결하는 엣지의 가중 인자를 갱신된 노드 통계 정보에 기초하여 재계산하고, 가중치에 기초하여 인접 그래프 내 의 엣지를 재소팅하는 인접 그래프 재평가 스텝을 더 구비하고,
    상기 통계적 처리 알고리즘에 기초하여 통합해야 할 화상 영역의 페어가 없어질 때까지, 상기 화상 영역 통합 처리 스텝에서의 화상 영역의 통합과 노드 통계 정보의 갱신을 반복하여 행하는 것을 특징으로 하는 화상 처리 방법.
  42. 제40항에 있어서,
    상기 화상 영역 통합 처리 스텝에서는, 화상 영역의 통합을 행했을 때에, 새롭게 생성된 화상 영역의 경계 근변의 다각형으로 이루어지는 클러스트만을 남기고, 화상 영역의 면적 및 다각형의 개수를 산출하여 상기 노드 통계 정보의 갱신 처리를 행하고, 클러스트를 이용하여 이후의 화상 영역의 통합에 대한 성부 판단을 행하는 것을 특징으로 하는 화상 처리 방법.
  43. 제42항에 있어서,
    상기 화상 영역 통합 처리 스텝에서는, 통합하여 새롭게 생성된 화상 영역의 전체 둘레에 걸친 경계 근변의 다각형을 클러스트로서 남기는 것을 특징으로 하는 화상 처리 방법.
  44. 제42항에 있어서,
    상기 화상 영역 통합 처리 스텝에서는, 통합하고자 하는 각 화상 영역이 접하는 경계 근변의 다각형을 클러스트로서 남기고,
    그 통합 처리를 행했을 때에, 상기 인접 그래프 평가 스텝에 있어서 인접 그래프의 재평가를 행하는 것을 특징으로 하는 화상 처리 방법.
  45. 각각 속성치를 갖는 복수의 노드로 토폴로지가 형성된 데이터를 취급하기 위한 처리를 컴퓨터 상에서 실행하도록 컴퓨터 판독 가능 형식으로 기술된 컴퓨터 프로그램으로서, 상기 컴퓨터에 대하여,
    상기 토폴로지 상에서 인접하는 노드끼리가 각각 갖는 속성치에 기초하여 노드간을 연결하는 엣지의 가중 인자를 구하고, 가중 인자에 기초하여 엣지를 소팅하는 토폴로지 평가 수순과,
    그 소팅된 순서에 따라서, 엣지로 연결되는 노드의 페어를 취출하고, 그 노드끼리를 통합해야 할지의 여부를 소정의 통계적 처리 알고리즘에 기초하여 평가하고, 노드 영역의 통합 처리를 행하는 노드 통합 처리 수순
    을 실행시키는 것을 특징으로 하는 컴퓨터 프로그램.
  46. 오브젝트를 복수의 다각형으로 이루어지는 다각형 메쉬로서 취급하여 화상 처리를 행하기 위한 처리를 컴퓨터 상에서 실행하도록 컴퓨터 판독 가능 형식으로 기술된 컴퓨터 프로그램으로서, 상기 컴퓨터에 대하여,
    다각형 메쉬를 기술하는 인접 그래프를 입력하는 인접 그래프 입력 수순과,
    엣지로 연결되는 각 화상 영역이 갖는 속성치를 비교하고 비교 결과에 기초하여 가중 인자를 엣지에 부여하고, 가중치에 기초하여 인접 그래프 내의 엣지를 소팅하는 인접 그래프 평가 수순과,
    소팅된 순서에 따라서 엣지를 삽입하는 화상 영역의 페어를 취출하고, 화상 영역끼리를 통계적 처리 알고리즘에 기초하여 통합해야 할지의 여부를 평가하고, 화상 영역의 통합 처리를 행하는 화상 영역 통합 처리 수순
    을 실행시키는 것을 특징으로 하는 컴퓨터 프로그램.
KR1020077028730A 2005-06-07 2006-06-05 정보 처리 장치 및 정보 처리 방법, 화상 처리 장치 및화상 처리 방법, 및 컴퓨터 프로그램 KR20080012954A (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JPJP-P-2005-00166466 2005-06-07
JP2005166466 2005-06-07

Publications (1)

Publication Number Publication Date
KR20080012954A true KR20080012954A (ko) 2008-02-12

Family

ID=37498395

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020077028730A KR20080012954A (ko) 2005-06-07 2006-06-05 정보 처리 장치 및 정보 처리 방법, 화상 처리 장치 및화상 처리 방법, 및 컴퓨터 프로그램

Country Status (6)

Country Link
US (1) US8224089B2 (ko)
EP (1) EP1890268A1 (ko)
JP (1) JP4780106B2 (ko)
KR (1) KR20080012954A (ko)
CN (1) CN101194290B (ko)
WO (1) WO2006132194A1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101989029B1 (ko) * 2017-12-11 2019-06-13 한양대학교 산학협력단 복수의 쓰레드를 이용하는 그래프 엔진 및 그 그래프 엔진의 동작 방법

Families Citing this family (26)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007157063A (ja) * 2005-12-08 2007-06-21 Sony Corp 画像処理装置及び画像処理方法、並びにコンピュータ・プログラム
JP2008059081A (ja) * 2006-08-29 2008-03-13 Sony Corp 画像処理装置及び画像処理方法、並びにコンピュータ・プログラム
JP4539756B2 (ja) * 2008-04-14 2010-09-08 富士ゼロックス株式会社 画像処理装置及び画像処理プログラム
WO2009139161A1 (ja) * 2008-05-15 2009-11-19 株式会社ニコン 画像処理装置、画像処理方法、処理装置、処理方法およびプログラム
WO2010139091A1 (en) * 2009-06-03 2010-12-09 Google Inc. Co-selected image classification
US8428354B2 (en) * 2009-06-23 2013-04-23 Los Alamos National Security, Llc Image segmentation by hierarchial agglomeration of polygons using ecological statistics
US8526723B2 (en) * 2009-06-23 2013-09-03 Los Alamos National Security, Llc System and method for the detection of anomalies in an image
US9459851B2 (en) * 2010-06-25 2016-10-04 International Business Machines Corporation Arranging binary code based on call graph partitioning
US9177041B2 (en) * 2010-09-03 2015-11-03 Robert Lewis Jackson, JR. Automated stratification of graph display
US9128998B2 (en) 2010-09-03 2015-09-08 Robert Lewis Jackson, JR. Presentation of data object hierarchies
JP5772446B2 (ja) * 2010-09-29 2015-09-02 株式会社ニコン 画像処理装置及び画像処理プログラム
US9082197B2 (en) * 2011-07-18 2015-07-14 Zte Corporation Local image translating method and terminal with touch screen
WO2013058740A1 (en) * 2011-10-18 2013-04-25 Intel Corporation Surface based graphics processing
CN103164487B (zh) * 2011-12-19 2016-05-25 中国科学院声学研究所 一种基于密度与几何信息的数据聚类方法
US10110412B2 (en) * 2012-10-17 2018-10-23 Disney Enterprises, Inc. Dynamically allocated computing method and system for distributed node-based interactive workflows
JP6236817B2 (ja) 2013-03-15 2017-11-29 株式会社リコー 画像形成装置
JP5367919B1 (ja) * 2013-07-22 2013-12-11 株式会社 ディー・エヌ・エー 画像処理装置及び画像処理プログラム
CN104463825B (zh) * 2013-09-16 2019-06-18 北京三星通信技术研究有限公司 用于在三维体积图像中检测对象的设备和方法
CN105930204B (zh) * 2016-04-11 2019-07-12 东软医疗系统股份有限公司 一种单事件时间信息处理方法和装置
US11245593B2 (en) * 2016-04-25 2022-02-08 Vmware, Inc. Frequency-domain analysis of data-center operational and performance metrics
JP6712965B2 (ja) * 2017-04-25 2020-06-24 京セラ株式会社 電子機器、生成方法及び生成システム
EP3848908A4 (en) * 2018-09-03 2022-05-11 Sony Interactive Entertainment Inc. INFORMATION PROCESSING DEVICE, INFORMATION PROCESSING METHOD AND PROGRAM
US11401786B2 (en) 2019-03-06 2022-08-02 Saudi Arabian Oil Company Systems and methods for hydrocarbon reservoir well connectivity graph optimization, simulation and development
WO2021155000A1 (en) 2020-01-29 2021-08-05 ReportsNow, Inc. Systems, methods, and devices for image processing
US11158031B1 (en) 2021-05-24 2021-10-26 ReportsNow, Inc. Systems, methods, and devices for image processing
CN117848423B (zh) * 2024-03-07 2024-05-17 南京中鑫智电科技有限公司 一种换流变阀侧套管壳体完整性的在线监测方法、系统、设备及介质

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2642070B2 (ja) 1994-11-07 1997-08-20 インターナショナル・ビジネス・マシーンズ・コーポレイション 四角形メッシュの生成方法及びシステム
JP2736879B2 (ja) 1995-10-30 1998-04-02 株式会社超高速ネットワーク・コンピュータ技術研究所 三次元図形データ削減方法
JP3973273B2 (ja) 1997-09-22 2007-09-12 三洋電機株式会社 画像生成装置および画像生成方法
KR100294924B1 (ko) 1999-06-24 2001-07-12 윤종용 영상분할 장치 및 방법
US6577759B1 (en) * 1999-08-17 2003-06-10 Koninklijke Philips Electronics N.V. System and method for performing region-based image retrieval using color-based segmentation
US6898316B2 (en) * 2001-11-09 2005-05-24 Arcsoft, Inc. Multiple image area detection in a digital image
US7623709B2 (en) * 2005-09-06 2009-11-24 General Electric Company Method and system for segmenting image data
JP2008059081A (ja) * 2006-08-29 2008-03-13 Sony Corp 画像処理装置及び画像処理方法、並びにコンピュータ・プログラム
US8073217B2 (en) * 2007-11-01 2011-12-06 Siemens Medical Solutions Usa, Inc. Structure segmentation via MAR-cut

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101989029B1 (ko) * 2017-12-11 2019-06-13 한양대학교 산학협력단 복수의 쓰레드를 이용하는 그래프 엔진 및 그 그래프 엔진의 동작 방법

Also Published As

Publication number Publication date
US8224089B2 (en) 2012-07-17
CN101194290A (zh) 2008-06-04
EP1890268A1 (en) 2008-02-20
JPWO2006132194A1 (ja) 2009-01-08
CN101194290B (zh) 2010-06-09
US20090175543A1 (en) 2009-07-09
WO2006132194A1 (ja) 2006-12-14
JP4780106B2 (ja) 2011-09-28

Similar Documents

Publication Publication Date Title
KR20080012954A (ko) 정보 처리 장치 및 정보 처리 방법, 화상 처리 장치 및화상 처리 방법, 및 컴퓨터 프로그램
Gardiner et al. Alpha shapes: determining 3D shape complexity across morphologically diverse structures
CN104933709B (zh) 基于先验信息的随机游走ct肺组织图像自动分割方法
Ta et al. Graph-based tools for microscopic cellular image segmentation
Ju et al. Computing a family of skeletons of volumetric models for shape description
Xie et al. A topology-preserving parallel 3D thinning algorithm for extracting the curve skeleton
Ding et al. Interactive image segmentation using probabilistic hypergraphs
Fayolle et al. An evolutionary approach to the extraction of object construction trees from 3D point clouds
CN102013017A (zh) 一种高分辨率遥感图像场景粗分类方法
CN108230301A (zh) 一种基于主动轮廓模型的脊柱ct图像自动定位分割方法
Kolouri et al. Transport-based analysis, modeling, and learning from signal and data distributions
CN105389821B (zh) 一种基于云模型和图割相结合的医学图像分割方法
Monga et al. Representing geometric structures in 3D tomography soil images: Application to pore-space modeling
KR20120000732A (ko) 고해상도 위성영상을 이용한 객체기반 분석을 위한 자동 영상분할 방법
Deeparani et al. Efficient image segmentation and implementation of K-means clustering
Liao et al. Image segmentation based on deep learning features
CN109285176B (zh) 一种基于正则化图割的大脑组织分割方法
Gong et al. Quadtree-based genetic algorithm and its applications to computer vision
Cudic et al. Unpaired mesh-to-image translation for 3D fluorescent microscopy images of neurons
Antonelli et al. Comparison of minimization methods for nonsmooth image segmentation
Gong et al. Isotropic Gaussian Splatting for Real-Time Radiance Field Rendering
Adams et al. Dynamic trees for image modelling
Wang et al. 3D incomplete point cloud surfaces reconstruction with segmentation and feature-enhancement
Shen et al. A tile-map-based method for the typification of artificial polygonal water areas considering the legibility
Chang Research on sports video image based on fuzzy algorithms

Legal Events

Date Code Title Description
A201 Request for examination
E701 Decision to grant or registration of patent right