earticle

영어

Image segmentation is basically the division of an image into meaningful structures. It always produces complete division of the image as the specific demand. However, it is prone to over-segmentation which makes the result unfavorable. Therefore, this paper proposes modified watershed algorithm based on Gaussian mixture model(GMM) to reduce the over-segmentation. Distance transformed image is processed by GMM. And expectation maximization(EM) algorithm is used to fit GMM to data. Average of these means is chosen as optimal threshold and the image is converted into binary image based on the obtained threshold value. Binary image thus obtained is eroded with the help of proper structuring element. Watershed segmentation thus carried out on the eroded image gives the effective segmentation results. Different kernels such as corn, rice, and wheat are effectively segmented when the proposed methodology is used. 38 corn kernels, 95 rice kernels, and 32 wheat kernels are used for the experimental purpose. The accuracy of segmentation is as high as 94.7%, 96.8%, and 90.6% for corn, rice, and wheat respectively.

한국어

영상 세션화는 기본적으로 이미지를 의미있는 구조로 나누는 것이다. 항상 특정 요구에 따라 이미지를 완전히 분할 한다. 하지만 결과가 원하지 않는 오버세션화가 이루어질 수 있다. 따라서 본 논문에서는 오버세션화를 줄이기 위해 가우시안 혼합 모델(GMM) 기반의 변형된 워터쉐드 알고리즘을 제안한다. 거리 변환 영상은 가우시안 혼합 모델에 의해 처리된다. 그리고 기대 최대화(EM) 알고리즘은 가우시안 혼합모델 데이터에 맞추는 데 사용된다. 이들 평균 의 평균을 최적의 임계값으로 선택하고 획득된 임계값에 기초하여 이진 영상으로 변환한다. 이렇게 얻은 이진 영상 은 적절한 구조 요소의 적용하여 침식화한다. 침식된 영상에서 수행된 워터쉐드 분할은 효과적인 분할 결과를 제공 한다. 제안된 방법이 사용될 때 옥수수, 쌀 및 밀과 같은 다른 커널이 효과적으로 분할된다. 실험 목적으로 38 개의 옥수수 커널, 95 개의 쌀 커널 및 32 개의 밀 커널을 사용한다. 분할 정확도는 옥수수, 쌀 및 밀에 대해 각각 94.7 %, 96.8 % 및 90.6 % 이다.