[11] 특징추출

학습목표

---

• Feature의 종류와 특성을 구분하여 설명할 수 있다.

 

 

Feature Extraction 개요

---

• Feature의 주요 기준

     □ 분별력(discriminatory)과 차원(dimensionality)

 

 

 

Feature의 종류

---

• 요구사항

     □ Feature는 패턴의 크기, 이동 및 회전 등의 변화에 무관해야 한다.

 

• 구분

     □ 경계 기반 특징(boundary-based features)

       ▶ 예 : object의 경계 길이 (perimeter)

 

     □ 영역 기반특징 (region-based features)

       ▶ 예 : object의 면적 (area)

 

     □ 질감(texture) 표현을 위한 특징

       ▶ 예 : 부드러움 (smoothness)

 

 

경계 기반 특징 종류

---

• 단순 특징

     □ Boundary length, Diameter, Eccentricity

 

• 체인 코드 (chain code)

• 시그니처 (signature)

• 푸리에 서술자 (Fourier Descriptor)

 

단순 경계 기반 특징

---

• Boundary length (둘레 길이) : boundary의 픽셀 수

• Diameter : Max[D(Pi, Pj)], Pi, Pj - boundary pixels

• 이심률(연장)Eccentricity(Elongation) : Major_Axis / Minor_Axis

     □ Major axis (장축) : 서로 가장 먼 2 포인트를 연결하는 선분

     □ Minor axis (단축) : 장축에 수직

 

※ 이심률은 원뿔 곡선의 특성을 나타내는 값이다. 원뿔 곡선이 원에서 벗어나는 정도를 나타낸다고 볼 수 있다.

 

 

 

체인 코드 (Chain code)

---

• 객체 경계를 정해진 단위 방향의 코드들로 표현

4방향 체인코드와 8방향 체이코드를 사용함에 따라 다르게 정의 된다.

     □ 4방향 체인코드 : 상하좌우만 연결된 픽셀

     □ 8방향 체인코드 : 상하좌우뿐만 아니라 대각도 연결된 픽셀

 

 

• 시작점에 대한 정규화 필요

 

• 회전에 대한 정규화 필요 → shape code

 

 

• 크기에 대한 정규화 필요

     □ 경계 pixel의 수가 달라지므로 객체 크기에 대한 사전 정규화

 

• 경계선 변화에 정규화 필요

     □ 경계선의 미세한 변화에 너무 민감함

     □ 간격이 더 큰 격자를 사용하여 경계를 다시 표본화

 

 

 

시그니처 (Signature)

---

     □ 객체 경계를 1차원 함수로 표현

       ▶ 내부의 한 점에서 경계까지의 거리를 각도 변화에 대한 함수로 표현

       ▶ 원점에서 경계까지 잇는 선분이 경계와 한번만 교차하여 각도의 중가에 따라 유일한 값을 갖는 경우에만 사용

 

     □ 회전에 대한 정규화를 위해서는 동일 시작점 선택

       ▶ 예를 들어, 기준점에서 가장 거리가 먼 지점을 시작점으로 선택

 

     □ 크기 변화에 대한 정규화는 모든 함수를 (0, 1) 처럼 항상 동일한 범위 값을 갖도록 스케일링

 

 

 

푸리에 서술자 (Fouruer Descriptor)

---

 

     □ 모든 a(u)의 값을 사용하지 않고, 단지 상위 P개의 계수만을 사용

☞ P개만 사용한다면 영상의 경계를 보다 단순화 시켜서 표현하는 것이 가능하다.

 

 

 

영역 기반 특징 종류

---

• 단순 특징

     □ 면적(area), 경계 길이(perimeter) 등

• Thinness Ratio

• 위상학정 특징 (topological feature)

• 투영 (projection)

• 모멘트 (moments)

 

 

단순 영역 기반 특징

---

단순 영역 기반 특징

• 면적(area)

• 경계길이(perimeter)

• Mean, Min, Max, gray level

• 평균 이상의 픽셀 수

• gray level의 variance(편차)

 

 

Thinness Ratio

---

     □ 객체의 둥근 정도(roundness)를 측정하기 위해 사용

       ▶ 1에 가까운 값을 가질 수록 원과 유사한 형태를 가짐(0≤T≤1)

       ▶ 원은 1의 값을 가진다.

       ▶ 객체의 모양이 가늘수록 감소한다.

 

     □ 객체 경계의 균일성(regularity)을 결정하기 위해 사용

       ▶ 균일한 경계의 객체는 비균일 객체에 비해 높은 값을 가진다.

 

     □ 1/T을 irregularity(불규칙) 혹은 compactness ratio(조밀도) 라고 한다.

 

 

 

위상학적 특징 (topological feature)

---

     □ 위상학

       ▶형상(object)의 찢어짐이나 합쳐짐이 없는 한, 어떤 변형에도 영향을 받지 않는 형상의 성질들을 연구하는 학문

 

     □ 오일러 수 (Euler number)

       ▶ E = C - H (C : 연결요소의 수, H : 홀의 수)

       ▶ useful in OCR (optical character recognition)

 

     □ 예, 오일러 수가 각각 0, -1, 1인 영역

A : 연결요소 1개, 홍의 개수 1개      ∴ E = C - H = 1 - 1 = 0

B : 연결요소 1개, 홍의 개수 2개     ∴ E = C - H = 1 - 2 = -1

C : 연결요소 1개, 홍의 개수 1개     ∴ E = C - H = 1 - 0 = 1

 

 

 

 

• Reference

영상처리 및 패턴 인식 - 금오공과대학교 김성영