The Journal of the Institute of Internet, Broadcasting and Communication (한국인터넷방송통신학회논문지)

The Institute of Internet, Broadcasting and Communication (한국인터넷방송통신학회)
권호 표지

A study on Robust Feature Image for Texture Classification and Detection

텍스쳐 분류 및 검출을 위한 강인한 특징이미지에 관한 연구

  • 김영섭 (동아대학교 전자공학과) ;
  • 안종영 (한국폴리텍2대 컴퓨터정보과) ;
  • 김상범 (한국폴리텍여자대학 디지털정보과) ;
  • 허강인 (동아대학교 전자공학과)
  • Received : 2010.07.03
  • Accepted : 2010.10.15
  • Published : 2010.10.31
Download PDF
⟨ Previous Next ⟩

Abstract

In this paper, we make up a feature image including spatial properties and statistical properties on image, and format covariance matrices using region variance magnitudes. By using it to texture classification, this paper puts a proposal for tough texture classification way to illumination, noise and rotation. Also we offer a way to minimalize performance time of texture classification using integral image expressing middle image for fast calculation of region sum. To estimate performance evaluation of proposed way, this paper use a Brodatz texture image, and so conduct a noise addition and histogram specification and create rotation image. And then we conduct an experiment and get better performance over 96%.

본 논문에서는 이미지에 대한 공간 특성(Spatial properties) 및 통계적 특성(Statistical properties)을 포함한 특징이미지를 구성하고, 지역 분산 크기를 이용한 공분산 행렬을 생성하여 텍스쳐 분류에 이용함으로서 조도(illumination) 및 노이즈(Noise) 그리고 회전(Rotation)에 강인한 텍스쳐 분류 방법을 제안한다. 또한 영역 합계의 빠른 연산을 위해 사용된 중간 이미지 표현인 적분 이미지(Integral Image)를 이용함으로서 텍스쳐 검출 프로세스의 수행 시간을 최소화 하는 방법을 제공한다. 제안한 방법의 성능 평가를 위해 브로다츠(Brodatz) 질감 이미지를 이용하여 잡음 추가 및 히스토그램 명세화 그리고 회전 이미지를 생성하여 실험하였으며, 96% 이상의 성능을 얻을 수 있었다.

Keywords

References

  1. M. Petrou, and P. Gacia Sevilla, "Image processing : Dealing with texture," Wiley, 2006.
  2. William Robson Schwartz, and Hili Pedrini, "Texture Classification based on Spatial Dependence Features using Co-Occurrence Matrices and Markov Random Fields," IEEE International Conference on Image Processing, pp. 239-242, 2004.
  3. Yong Huang, Kap Luk Chan, and Zhongyang Hang., "An Adaptive Model for Texture Classification," IEEE, pp. 893-896, 1980.
  4. R. Manthalkar, P. K. Biswas and B. N. Chatterji, " Rotation and scale invariant textures using discrete wavelet packet transform," Pattern Recognition Letters, vol.24, No.14, pp. 2455-2462, 2003, https://doi.org/10.1016/S0167-8655(03)00090-4
  5. P. Viola, M. Jones, "Rapid object detection using a boosted cascade of simple features," IEEE Conf. on Computer Vision and Pattern Recognition, Kauai, HI. Vol.1, pp. 511–518. 2001.
  6. W. Forstner, B. Moonen, "A metric for covariance matrices," Technical report, Dept. of Geodesy and Geoinformatics, Stuttgart University, 1999.
  7. USC-SIPI Brodatz Texture Data Set: http://sipi.usc.edu/database/database.cgi?volume=rotate