2차원 영상 분할을 위한 Narrow band 레벨 셋 방법의 개선

Abstract

레벨 셋 방법(Level Set Methods)을 이용한 영상의 객체 분할(segmentation) 은 객체의 코너 부분의 분할을 효과적으로 수행할 수 있는 장점이 있다. 또한 객체의 위상학적 변화(topological changes)에 유용하며, 임의의 차원(dimension)으로의 확장이 용이하여 2차원 단면 영상 분할 뿐 아니라 3차원 볼륨(volume) 영상에 대한 분할이 가능하다[9][1l][I8][24][14]. 그러나 레벨 셋 방법은 많은 계산 시간이 요구되고 분할 종료시점을 명확히 판단하기 어려운 단점을 가지고 있다[5]. Narrow Band 레벨 셋 방법은 레벨 셋 방법의 계산 효율 향상을 위하여 개발된 대표적 방법이다. 그러나, Narrow Band 레벨 셋 방법은 또한 새로운 Narrow Band를 정의하는 단계에서 복잡한 자료 구조의 설정 및 반복된 계산 과정이 요구되며, 이로인한 빈번한 오류 발생 가능성을 가지고 있다. 본 논문에서는 Narrow Band 레벨 셋 방법에서 발생할 수 있는 계산 오류를 제거할 수 있는 방법으로 새로운 Narrow Band의 재정의 단계를 생략하고 최초에 한번의 Narrow Band 설정으로 원하는 분할 결과를 추출할 수 있는 방법을 제안한다. 또한, 명확한 분할 종료 시점을 구하기 위해서 본 논문에서는 르보이 필터링을 결합한 속도 조절 요소를 제안한다. 그리고, 본 논문에서 제안한 방법의 성능 평가를 위하여 이진 합성된 인공 영상과 MR, EBCT, CT 등의 의료 영상을 대상으로 분할 실험을 수행하고, 시뮬레이티드 어닐링(simulated annealing) 활성 모델을 이용한 분할과의 비교 결과를 제시한다.;The Level Set Methods makes it possible to segment corners or curves of an object more sharply. Also, it is useful for topological changes, and three - dimensional effects. However not only does this method take time to be processed but also it makes inefficient use of computer resource. The purpose of this study is to improve the processing speed of the Level Set Methods by making up for the weak points in the narrow Banding Methods. This method focuses only on the grid points which are located in a narrow band around the zero level set, but requires rebuilding and re-initializing a new narrow band around the front In this paper, therefore, I will suggest a new algorithm to omit the rebuilding and re-initializing processes in the Narrow Banding Methods. Through this algorithm, we are able to make segmentations at the initially established narrow band. In addition, I will propose image smoothing and enhancement methods to minimize errors made by segmentations. Finally, this methods will be tested with 2D synthetic binary images, CT, EBCT and MR images, and compared with the result of the Active Contour Model of Simulated Annealing to evaluate its performance.