슈퍼픽셀과 FCM을 이용한 클러스터 초기값 설정 및 칼라영상분할

Abstract

본 논문에서는 슈퍼픽셀과 FCM을 이용한 클러스터 초기값 설정방법과 이를 사용한 칼라영상분할을 연구한다. 클러스터링을 이용한 대표적인 칼라영상분할 방법으로 Fuzzy C-menas (FCM) 알고리즘을 많이 사용한다. FCM은 하나의 데이터가 각 클러스터에 서로 다른 소속도를 갖도록 한다. 그러나 FCM은 초기값 설정에 따라 국부적인 수렴문제가 발생한다. 따라서 초기값 설정문제는 매우 중요한데 본 연구에서는 슈퍼픽셀을 이용하여 클러스터의 초기값을 구하는 방법을 제안한다. 슈퍼픽셀은 원 영상에서 특성이 비슷한 화소들의 묶음으로 표현되는데 먼저 원 영상으로부터 슈퍼픽셀을 구하고 이를 <TEX>$La^*b^*$</TEX> 칼라특징공간에 투영하여 클러스터 초기값을 구한다. 제안방법에서 슈퍼픽셀의 수는 원영상의 화소 수보다 일반적으로 매우 적어서 클러스터 초기값 설정을 위한 고속처리가 가능하다. 제안된 알고리즘의 성능평가를 위해 다양한 칼라영상을 사용하여 컴퓨터 모의실험을 수행하였으며 실험결과 제안방법이 기존방법에 비해 영상분할 성능이 우수함을 알 수 있었다. In this paper, a setting method of initial cluster centers and color image segmentation using superpixels and Fuzzy C-means(FCM) algorithm is proposed. Generally, the FCM can be widely used to segment color images, and an element is assigned to any cluster with each membership values in the FCM. However the algorithm has a problem of local convergence by determining the initial cluster centers. So the selection of initial cluster centers is very important, we proposed an effective method to determine the initial cluster centers using superpixels. The superpixels can be obtained by grouping of some pixels having similar characteristics from original image, and it is projected <TEX>$La^*b^*$</TEX> feature space to obtain the initial cluster centers. The proposed method can be speeded up because number of superpixels are extremely smaller than pixels of original image. To evaluate the proposed method, several color images are used for computer simulation, and we know that the proposed method is superior to the conventional algorithm by the experimental results.