In this thesis two algorithm are proposed. One is a range image segmentation algorithm and the other is a hexagonal edge detection algorithm.
The proposed range image segmentation consists of depth smoothing, gradient smoothing, edge detection and surface type labeling step using Markov random field (MRF)s. The problem of each step is defined as a energy minimization problem using (MRF)s, and the minimum energy state is found using iterative method. First, range and its gradient images are smoothed preserving jump and roof edges respectively using line process concept one after another. Then jump and roof edges are extracted, combined, and refined using penalizing undesirable edge patterns. Finally, curvatures are computed and the surface type labels according to the signs of principal curvatures. The surface type are refined using winner-takes-all layers in the last stage. The final output is a set of regions with its exact surface type.
Several experimental results show the robustness and generality of our approach and the execution speed of the proposed method is faster than that of a typical region merging method for nearly equal quality of segmentation. In addition, since the MRF formulation generates a local algorithm our algorithm can be easily parallelized. This promises practical applications of our method.
This thesis also proposed a method of boundary detection in a hexagonal grid using energy minimization. To obtain more accurate boundary information, we devise a hexagonal boundary label model modified from the square boundary label model defined by Geman et al.(1990) and the penalty patterns reasonable for the hexagonal grid. Because of smaller quantization errors and reasonable penalty patterns, the results of the hexagonal boundary label model are better than those for the square boundary label model.
3차원 물체의 인식은 컴퓨터 비젼 시스템에서 중요한 분야이며 거리영상 영역화는 이를 위해 꼭 필요한 과정이 된다. 본논문에서는 거리영상 영역화 알고리즘과 육각형의 영상에서 물체의 경계를 찾는 알고리듬을 제시하였다.
거리영상 영역화는 작은 소자로 이루어진 마코프 랜덤필드를 사용하여 거리정보 복원, 거리정보의 미분치 스무딩(smoothing), 물체경계 검출, 표면 타입 (type) 검출등을 행하였다. 각 단계는 에너지 최소화 문제로 주어지며 점차적으로 에너지를 최소화시킨다. 첫번째와 두번째 단계는 거리영상과 그 미분치를 경계를 보존하면서 스무딩하는 것으로 이는 표면곡률(surface curvature)를 정확히 구하기 위하여 필요한 단계이다.
세번째 단계는 물체의 경계를 에너지 최소화를 이용하여 구하는 것이다. 이는 잘못된 경계패턴에 벌점을 주는 방식으로 에너지가 최소화가 되면 서로 연결되고 가늘어진 물체 경계를 얻을 수 있다.
마지막 단계는 앞의 스무딩된 미분치를 이용하여 표면 주 곡률(principal curvature)을 구하고 이를 이용하여 물체의 표면을 6가지 타입으로 나누는 것이다. 이를 위하여 6개의 서로 경쟁하는 네트워크를 만들고 각 네트워크내에서는 서로 협력하게 하였다.
다양한 거리영상에 대해 실험을 하여 본방법이 기존의 영역 병합방법보다 빠름을 보였다. 또한 본방법은 쉽게 병렬화가 가능하다는 장점을 갖는다.
본논문에서는 또한 육각형 영상에서 경계검출을 에너지 최소화를 통하여 할수 있음을 보였다. 실험을 통하여 정방형의 경우보다 우수함을 보였다.
