http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
지속적 호몰로지를 이용한 이미지 세그멘테이션 기법 제안
한희일,Hahn, Hee Il 한국인터넷방송통신학회 2018 한국인터넷방송통신학회 논문지 Vol.18 No.1
This paper proposes a robust technique of image segmentation, which can be obtained if the topological persistence of each connected component is used as the feature vector for the graph-based image segmentation. The topological persistence of the components, which are obtained from the super-level set of the image, is computed from the morse function which is associated with the gray-level or color value of each pixel of the image. The procedure for the components to be born and be merged with the other components is presented in terms of zero-dimensional homology group. Extensive experiments are conducted with a variety of images to show the more correct image segmentation can be obtained by merging the components of small persistence into the adjacent components of large persistence. 본 논문에서는 이미지에서 검출된 각 연결성분들의 위상적 지속구간 정보를 그래프 기반 이미지 세그멘테이션에 결합하여 보다 안정적인 이미지 세그멘테이션 기법을 제안한다. 이미지의 밝기 또는 색상정보 등을 이용하여 모스 함수를 정의하고 이의 레벨세트로부터 각 연결성분의 위상적 지속구간을 구한다. 각 연결성분이 생성되고 긴 지속구간을 갖는 연결성분에 적절히 병합되는 과정을 영 차원 호몰로지 군의 관점에서 설명한다. 다양한 특성을 갖는 이미지들에 대하여 짧은 지속구간을 갖는 연결성분들을 지속구간이 긴 인근 성분에 적절히 병합시키는 과정을 통하여 보다 안정적인 이미지 세그멘테이션 결과들 얻을 수 있음을 실험으로 확인한다.
클러스터링과 마르코프 랜덤 필드를 이용한 배경 모델링 기법 제안
한희일(Hee-il Hahn),박수빈(Soobin Park) 大韓電子工學會 2011 電子工學會論文誌-SP (Signal processing) Vol.48 No.1
본 논문에서는 마르코프 랜덤 필드(Markov random fields: MRF) 기반으로 배경을 모델링하는 방식과 함께 관련 파라미터들을 추정하는 알고리즘을 제안한다. 화소 기반의 배경 모델링 기법은 인근 화소 간의 연관성을 고려하지 않고 화소 단위의 시간적 변화에 대한 통계적 특성에 주로 의존하므로 판정 오류를 줄이는데 한계가 있다. 제안 알고리즘은 화소 기반으로 배경모델을 일차적으로 수행한 다음 MRF를 이용하여 시공간적으로 인근한 화소 간의 상호 의존성을 활용하여 배경모델의 정확도를 향상시키는데 그 목적을 두고 있다. MRF는 기본적으로 파라미터의 크기에 매우 민감하므로 기존의 MRF 기반 알고리즘은 이미지에 따라 적절한 값을 사전에 구하여 적용하고 있다. 제안한 방식은 초기에 임의의 파라미터로 배경/전경 상태변수를 구한 후에 이의 통계적 특성을 이용하여 파라미터들을 추정하고 추정된 파라미터를 적용하여 상태변수를 재차 구하는 과정을 반복함으로써 최적의 파라미터에 적응적으로 수렴하도록 조정한다. 실내외의 다양한 환경에서 촬영한 비디오를 이용하여 제안한 방식 성능을 확인한다. It is challenging to detect foreground objects when background includes an illumination variation, shadow or structural variation due to its motion. Basically pixel-based background models including codebook-based modeling suffer from statistical randomness of each pixel. This paper proposes an algorithm that incorporates Markov random field model into pixel-based background modeling to achieve more accurate foreground detection. Under the assumptions the distance between the pixel on the input image and the corresponding background model and the difference between the scene estimates of the spatio-temporally neighboring pixels are exponentially distributed, a recursive approach for estimating the MRF regularizing parameters is proposed. The proposed method alternates between estimating the parameters with the intermediate foreground detection and estimating the foreground detection with the estimated parameters, after computing it with random initial parameters. Extensive experiment is conducted with several videos recorded both indoors and outdoors to compare the proposed method with the standard codebook-based algorithm.