능동 윤곽선 모델과 퍼지 군집화 알고리즘을 이용한 동영상 분할 : Video segmentation based on modified active contour model and fuzzy clustering
- 발행기관 서강대학교 대학원
- 지도교수 김경환
- 발행년도 2008
- 학위수여년월 2008. 2
- 학위명 석사
- 학과 및 전공 전자공학
- 식별자(기타) 000000107670
- 본문언어 한국어
목차
본 논문은 영상에 대한 새로운 경질 분할(hard segmentation)과 연질 분할(soft segmentation), 그리고 두 분할 방법의 연동 방법을 소개한다. 제안하는 경질 분할 방법은 영역 기반의 능동 윤곽선 모델로 중력과 부력이라는 물리 현상을 응용하여 윤곽선을 이동시킨다. 전통적인 에지 기반의 능동 윤곽선 모델은 수축력 또는 확장력에 의해 기본적인 윤곽선의 진행방향이 정해지며 에지 성분으로의 인력으로 윤곽선의 진행을 멈추는 방식이다. 따라서 에지 기반의 능동 윤곽선 모델은 윤곽선의 초기화에 크게 영향을 받으며, 관심 물체의 외곽이 아닌 영역의 강한 에지 성분에 고정될 가능성이 있다. 제안하는 능동 윤곽선 모델은 중력과 부력의 상호작용을 모의하여 윤곽선을 진행시키며 영역 기반의 특징을 이용하므로 에지 성분이 분명치 않은 경우에도 영상분할을 수행할 수 있다. 또한 기존의 영역 기반의 능동 윤곽선 모델이 반복수행 과정에서 윤곽선 내부, 외부의 영역을 지속적으로 참조하는 것과는 달리, 제안하는 모델은 화소 단위의 참조에 의해 윤곽선을 진행시키기 때문에 연산 효율적이다. 본 논문에서는, 제안하는 능동 윤곽선 모델을 동영상 해석에 사용하기 위하여 퍼지 논리와 퍼지 군집화를 이용한 연질 분할 방법을 제안한다. 제안하는 퍼지 군집화 방법은 여러 군집으로 이루어진 클래스 간의 대략적인 분할을 수행하며, 부분적인 지도(supervision)를 받아들여 군집화 과정에 적용한다. 군집화 과정에 가해지는 지도는 연속하는 프레임의 유사성을 이용하여 이전 프레임의 연질 및 경질 분할결과와 현재 프레임의 퍼지 조합으로 결정한다. 군집화를 통해 얻은 클래스 별 확률분포 함수는 능동 윤곽선 모델에 제공되는 특징 정보로 이용된다. 본 논문에서 제안하는 두 분할 방법의 연동으로 카메라나 물체의 움직임에 제약이 거의 없는 동영상 분할이 가능함을 실험을 통해 확인하였다.
목차
This thesis introduces new hard and soft image segmentation algorithms and their collaboration method. The proposed hard segmentation algorithm is one of region-based active contour models which simulates simple physical phenomena, gravity and buoyancy. Conventional edge-based active contour models use shrinking force or inflation force to transfer the contour to the edges. Therefore, performance of the edge based active contour models are largely depends on their initial contour and interfered by other unwanted salient edge features. The proposed active contour model is driven by the simulated gravity and buoyancy which are determined by region-based features. Hence, the proposed active contour model can extract objects without strong edges at their boundaries and is less dependent upon initialization. Unlike the other region-based active contours which access region at every iteration process, the proposed model refers the region-based features in a pixel-wise manner for computational efficiency. To enhance the proposed model to a video segmentation application, we adopt fuzzy logic and fuzzy clustering that is called soft segmentation in this thesis. The proposed fuzzy clustering aims to soft discrimination of classes composed of multiple classes under fuzzy supervision. Depending on similarity of consecutive video frames, soft and hard segmentation results of the previous frame are refined to the fuzzy supervision which helps soft segmentation for current frame. Hard segmentation is performed based on probability distribution function estimated by the clustering algorithm. Experimental results support that the feedback loop constructed by soft and hard segmentation algorithm enables video segmentation almost without constraints on camera and object motion.
