시뮬레이티드 어닐링을 이용한 활성모델의 에너지 최소화 기법

Abstract

활성모델(Active Contour Model)은 물체의 경계를 분할하기 위한 효과적인 방법으로 사용되고 있으며 기존의 영상 분할 방법에 비하여 불규칙적이고 노이즈가 많은 영상에 견고하며 물체의 경계선을 추출함과 동시에 곡선 모델로 적합시킬 수 있는 장점이 있다. 그러나 기존의 활성모델은 사용자가 초기곡선을 분할하고자하는 물체의 경계면에 위치시키고, 지역적으로 에너지를 최소화 하면서 곡선을 변형시키므로 분할결과가 초기 곡선의 위치와 형태에 따라 달라지는 문제점이 있다. 본 논문에서는 활성모델의 에너지 최소화 과정에 랜덤필드모델에 기반한 시뮬레이티드 어닐링(Simulated Annealing)을 적용함으로써 기존 활성모델이 갖는 초기 곡선에 대한 제약성을 개선하고자 했다. 그러나 내부에너지와 외부에너지의 합으로만 표현되는 기존의 활성모델에 전역적 에너지 최소화 방법의 적용은 그 최적해로 표시되는 단 하나의 유일한 활성외곽선만을 찾아낸다는 문제점이 있어 의미있는 물체의 분할이 어렵다. 본 논문에서는 경계선 기반 분할 방법인 기존 활성모델의 에너지항에 대상 물체 영상의 영역정보인 그레이레벨의 평균값과 편차값을 이용한 에너지 항을 추가하여 의미있는 물체를 선택적으로 분할할 수 있게 하는 방법을 제안하였다. 제안한 활성모델을 이용한 영상분할방법의 분할 결과를 기존의 활성모델의 분할 결과와 비교하여 제시하였으며, 이진합성영상과 CT영상, MR영상을 대상으로 실험을 수행하였다.;Active Contour Model(ACM) is an efficient method for segmenting objects. But the segmentation result of ACM is so much dependent on the shape and location of an initial centaur given by user. This causes the ACM to have poor reproducibility. The main reason for this is the local property of ACM's energy minimization process. In this paper, we propose the global energy minimization approach to overcome this problem. One of stochastic optimization techniques, Simulated Annealing(SA) is applied to minimize the energy of ACM. But this approach might cause a trouble when the defined energy of ACM is not appropriate for the object to be segmented. In that case, due to the global optimization property, ACM converges to other object which has less energy than the aimed object. We combined a region oriented approach to ACM's contour based approach. A new region oriented energy is proposed and added to the ACM's energy function. The added energy enables the global optimization approach to have selectivity of segmentation. The proposed scheme is applied to 2D synthetic binary images, CT and MR images. The segmentation results are presented and compared with the results of the existing ACM.