In this paper, we propose a novel seed growing framework for interactive image segmentation. We first formulate the seed dependency problem in interactive segmentation and overcome it by expanding the seed automatically. To expand the user-input seed, we generate the seed distance maps based on color distribution dissimilarity, locational prior, and geodesic distance. Using these seed distance maps, we expand the seed by classifying the image into a trimap with unanimous voting. We then extract the skeleton from the foreground and background regions. Experiments show that the proposed framework provides significant support for existing interactive segmentation techniques.
영상 분할은 컴퓨터 비전 분야에서 매우 중요한 비중을 차지하고 있다. 영상 처리에 있어 다양한 적용이 가능하기 때문이다. 본 논문에서는 상호적 영상 분할에서 영상분할의 결과가 사용자가 주는 초기 정보인 시드에 의존적이라는 점에 착안하여, 시드를 자동적인 방법으로 확장함으로서 이 문제를 해결하고자 하였다. 주어진 초기정보인 시드를 확장하기 위해 영상에서 추출한 세가지 특징인 색상 분포, 위치 정보, 지오데식 거리를 이용하여 각각에 대한 시드 거리 맵을 생성하였다. 이러한 방법으로 얻은 시드 거리 맵의 만장일치제 투표를 통해 시드를 확장하고자 하는 영역을 선택하였고, 선택된 영역에 대하여 골격화를 진행하여 골격화 된 시드를 기존 시드에 추가함으로서 시드를 확장하였다. 본 논문에서 제안하는 시드 확장 기법은 기존 영상분할 기법에 전처리 단계로 수행되는 과정으로, 다양한 데이터 셋과 기존 영상분할 기법에 적용하는 실험을 통해 기존 기법의 정확도를 향상시키는 바를 확인하였다.
