본 논문에서는 새로운 무관리형 화상분할 알고리즘이 제안된다. 제안된 알고리즘은 화상에 내재되어 있는 구조 정보를 모델링하기 위하여 마르코프 랜덤필드의 특성을 이용하고 있다. 텍스쳐 화상은 정상상태의 가우스 마르코프 랜덤필드가 2차원의 격자구조 위에 실현된 상태로 간주되었으며 2차의 비순차근방을 갖는 조건부 자기회귀함수를 이용하여 모델링 되었다. 화상의 경계면 감출을 위하여 마스크로 선택된 두 영역에 대한 가설검정이 수행된다. 이 방법은 선택된 두 영역이 같은 종류의 텍스쳐라고 가정을 한 후 조건부 자기회귀모델의 매개변수를 최소평균제곱오차 측면에서 추정한다. 가설이 거절되면 두 영역의 상이함을 측정한 그 값이 선택된 영역에 누적된다. 이와 겉은 방법을 통하여 잠재적인 경제지도가 얻어지며, 이것을 통하여 여러 종류의 텍스쳐 화상의 분할이 미세오류경계 없이 이루어지게 된다. 제안된 알고리즘의 성능은 인공화상 뿐만 아니라 실제의 자연화상을 이용한 실험을 통하여 입증되었으며 일체의 사전정보 없이도 만족할 만한 결과를 보여 주었다.
In this paper, a new unsupervised image segmentation algorithm is proposed. To model the contextual information presented in images, the characteristics of the Markov random fields (MRF) are utilized. Textured images are modeled as realizations of the stationary Gaussian MRF on a two-dimensional square lattice using the conditional autoregressive (CAR) equations with a second-order noncausal neighborhood. To detect boundaries, hypothesis tests over two masked areas are performed. Under the hypothesis, masked areas are assumed to belong to the same class of textures and CAR equation parameters are estimated in a minimum-mean-square-error (MMSE) sense. If the hypothesis is rejected, a measure of dissimilarity between two areas is accumulated on the rejected area. This approach produces potential edge maps. Using these maps, boundary detection can be performed, which resulting no micro edges. The performance of the proposed algorithm is evaluated by some experiments using real images as weB as synthetic ones. The experiments demonstrate that the proposed algorithm can produce satisfactorY segmentation without any a priori information.
