시그마 필터를 이용한 향상된 슈퍼픽셀 기법 = An improved superpixel method using the sigma filter

국문 초록 (Abstract)

슈퍼픽셀은 영상에서 그 내부에 엣지를 포함하지 않는 작은 영역을 말한다. 모든 슈퍼픽셀 알고리즘들 중에 Simple linear iterative clustering (SLIC) 기법은 영상 내에 균일하게 슈퍼픽셀들을 대표하는 포인트를 지정하고, 각 포인트로부터 영상의 모든 픽셀들과의 유사도를 측정하여 군집화 하는 방식이다. 이 기법은 다른 기법들에 비해 빠르고 정확하기 때문에 그 실용성 덕분에 다양한 분야에서 적용된다. 하지만 결과적인 슈퍼픽셀들의 경계가 영상의 엣지를 제대로 표현하지 못하는 경우가 발생한다. 본 논문에서는 이러한 문제를 해결하기 위해 기존 기법을 분석하고 개선된 SLIC 기법을 제안한다. 우선 군집화를 위한 과정에서 시그마 필터를 적용하여 각 슈퍼픽셀에서 발생할 수 있는 에러의 증식을 막고, 결과적인 슈퍼픽셀들 중에 노이즈와 같이 작은 군집들은 주변 군집들 중에 유사한 군집과 합쳐준다. 실험 결과들은 제안하는 기법이 기존 기법에 비해 심각한 처리시간의 증가 없이 경계가 영상의 엣지와 잘 맞춰진 슈퍼픽셀들을 만든다는 것을 보여준다.

다국어 초록 (Multilingual Abstract)

The superpixels are small regions in an image which do not contain edges inside. Among all the superpixel algorithms, the simple linear iterative clustering (SLIC) method uniformly initialize representative points of superpixels on an input image, and obtain clusters calculating similarities between pixels in the image and the representative points. This method is widely adopted due to its practicality, but the resultant superpixels sometimes do not well adhere to the edges. In this paper, we present a corrective method to improve the performance of the SLIC method. Experiments show that the proposed method produces superpixels whose boundaries better adhere to the image edges without significantly increasing the processing time compared with the conventional method.

목차 (Table of Contents)

• 제 1 장. 서 론
• 1.1. 연구 배경 및 필요성
• 1.2. 연구 대상과 범위 한정
• 1.3. 논문의 구성
• 제 2 장. SLIC 기법에 대한 소개
• 2.1. K-평균 군집화
• 2.2. SLIC 기법 소개
• 2.2.1. 시드들의 초기 설정
• 2.2.2. 반복적인 군집화 과정
• 2.2.3. 후 처리 작업
• 제 3 장. 제안하는 개선된 슈퍼픽셀 기법
• 3.1. 개요
• 3.2. 시그마 필터를 이용한 군집화 과정 개선
• 3.2.1. 시그파 필터
• 3.2.2. 제안하는 군집화 기법
• 3.3. 간단한 후 처리 개선
• 제 4 장. 실험 결과
• 4.1. 슈퍼픽셀들의 정확도 평가
• 4.2. 슈퍼픽셀 기법들의 처리 속도 비교
• 제 5 장. 결 론