RISS 검색 - 국내학술지논문 상세보기

국문 초록 (Abstract)

본 논문에서는 군집화 알고리즘을 사용하여 피부색 영역을 분할하는 방법을 제안한다. 기존의 군집화 알고리즘들의 대부분은 주로 구형의 군집을 검출하고, 배치형으로 수행되며, 군집의 ...

본 논문에서는 군집화 알고리즘을 사용하여 피부색 영역을 분할하는 방법을 제안한다. 기존의 군집화 알고리즘들의 대부분은 주로 구형의 군집을 검출하고, 배치형으로 수행되며, 군집의 개수를 미리정해야 한다는 문제점을 가지고 있다. 본 논문에서는 대표적인 타원형 군집화 알고리즘인 EM 알고리즘을 변형하여, 온라인으로 학습가능하며, 군집의 개수를 자동적으로 찾아낼 수 있는 EAM 알고리즘을 사용하였다. EAM 알고리즘의 유효성은 피부색 영역 분할에 대해 증명되었다. 실험결과는 군집의 개수가 미리 주어지지 않더라도, EAM 알고리즘은 주어진 영상에 대해 자동적으로 옳은 군집의 개수를 찾아냈고, EM알고리즘과 비교하여 더 좋은 분할 결과를 보여주고 있다. 영역에 대한 조건부 확률을 이용하여 성공적인 피부색 영역의 탐지 및 분할 결과를 얻었다. 또한 사람이 포함된 영상을 분류하는 문제에도 적용하여 좋은 분류 결과를 얻었다.

다국어 초록 (Multilingual Abstract)

This paper proposes to segment skin color areas using a clustering algorithm. Most of previously proposed clustering algorithms have some difficulties, since they generally detect hyperspherical clusters, run in a batch mode, and predefine a number of clusters. In this paper, we use a well-known elliptical clustering algorithm, an EM algorithm, and modify it to learn on-line and find automatically the number of clusters, called to an EAM algorithm. The effectiveness of the EAM algorithm is demonstrated on a task of skin color region segmentation. Experimental results present the EAM algorithm automatically finds a right number of clusters in a given image without any information on the number. Comparing with the EM algorithm, we achieved better segmentation results with the EAM algorithm. Successful results were achieved to detect and segment skin color regions using a conditional probability on a region. Also, we applied to classify images with persons and got good classification results.

목차 (Table of Contents)

요약
Abstract
1. 서론
2. 점증적으로 증가하는 타원형 군집화
3. 피부색 영역 분할에의 적용

요약
Abstract
1. 서론
2. 점증적으로 증가하는 타원형 군집화
3. 피부색 영역 분할에의 적용
4. 실험 결과
5. 결론
참고문헌
부록
저자소개

참고문헌 (Reference)

1 이경미, "점증적으로 증가하는 타원형 군집화" 10 : 135-147, 2004.

2 S.J. Nowlan, "neural network learning algorithms based on fitting statistical mixtures School of Computer Science" Carnegie Mellon University 1991.

3 M.J. Jones, "Statistical color models with application to skin detection" 1 : 274-280, 1999.

4 J.-M. Jolion, "Robust clustering with applications in computer vision IEEE transactions on pattern analysis and machine intelligence" 13 : 791-802, 1991.

5 S. Jrgen, "Pattern classification: A unified view of statistical and neural approaches" John Wiley & Sons 1996.

6 M. Sato, "On-line EM algorithm for the normalized Gaussian network" 12 (12): 407-432, 2000.

7 A.P. Dempster, "Maximum likelihood from incomplete data via the EM algorithm Journal of the royal statistical society B" 39 : 1-38, 1977.

8 P. Peer, "Human skin colour clustering for face detection" 2003.

9 L. Sigal,, "Estimation and prediction of evolving color distributions for skin segmentation under varying illumination" 2 : 152-159, 2000.

10 J.-C. Terrillon,, "Comparative performance of different skin chrominance models and chrominance spaces for the automatic detection of human faces in color images" 54-61, 2000.