earticle

영어

In this paper, we propose an image segmentation method using the contrast stretching by Gaussian Bayes and Naive Bayes classifiers. The proposed method is applied to two different applications, such as the magnetic resonance image (MRI) and the scanning electron microscope (SEM) image. To achieve effective results of the image segmentation in each domain, we use the intensity of each pixel as a single-dimension feature, and perform the analysis over classification accuracy, linear discriminant and an error bound. Moreover, we perform the experiments to compare the informative and the non-informative Naive Bayes classifier to overcome an extreme condition where density of pixel intensities has a low prior probability. Finally, we evaluate proposed method with k-fold cross-validation, and achieve accurate results in each domain.

한국어

본 논문은 패턴인식, 기계학습 분야에서 널리 쓰이는 베이지안 추정 이론에 근거한 가우시안 베이스 분류기와 나이브 베이스 분류기를 활용하여 명암도 조절 기법이 적용된 영상의 자동 분할을 수행하였다. 각 분야 영상에 대한 시각적 특징의 독립성을 확보하는 동시에 효과적인 픽셀별 영역 분할을 달성하기 위해 명암의 밝기만을 입력 데이터로 사용하였으며, 가능도(likelihood)분석을 통해 명암도 기반의 특징 벡터의 유효성을 검증하였다. 이를 기반으로 명암 대비 스트레칭을 적용한 영상의 가능도 선형판별도와 오류 상한, 분류 정확도의 관계분석 실험을 수행하였다. 추가적으로 베이스 분류기에서 나타나는 낮은 사전확률에 대한 고려를 위해 비정보적 나이브 베이스 분류기에 대한 비교실험을 하였으며, 근사모델의 정확도 평가방법(Cross Validation)을 활용한 최종 실험을 수행하여 두 응용분야 영상에 대한 높은 정확도의 분할 결과를 달성하였다.