Segmentation d'images par classification spatio-colorimétrique des pixels

Segmentation d'images par classification spatio-colorimétrique des pixels

Image segmentation by spatio-colorimetric classification

Ludovic Macaire Nicolas Vandenbroucke  Jack-Gérard Postaire 

Laboratoire LAGIS - UMR CNRS 8146, Cité Scientifique - Bâtiment P2 Université des Sciences et Technologies de Lille 59655 Villeneuve d'Ascq - France

Corresponding Author Email: 
Ludovic.Macaire@univ-lille1.fr
Page: 
423-437
|
Received: 
15 June 2004
|
Accepted: 
N/A
|
Published: 
31 October 2004
| Citation

OPEN ACCESS

Abstract: 

In this paper, we present a new color image segmentation scheme which constructs regions by unsupervised pixel classification, even when there is not a one-to-one correspondence between the clusters of color points in the color space and the regions in the image. When the color points of different regions in the image give rise to one single cluster in the color space, the proposed scheme splits this cluster into sub-populations of color-points defined by color-domains.

The scheme analyses the connectedness and color homogeneity properties of color-subsets of pixels defined by these color-domains in order to construct the classes which correspond effectively to the regions in the image. For selecting efficient color-domains, we have proposed a new measure, the compacity degree, which evaluates the likelihood of the event "the color-subset defined by the examined color-domain corresponds to one region in the image".

Résumé

Dans cet article, nous présentons une méthode de segmentation d'images qui construit les régions par classification non supervisée des pixels, même quand il n'y a pas de correspondance bijective entre les nuages de points-couleur dans l'espace couleur et les régions de l'image. Quand les points-couleur de différentes régions de l'image constituent un simple nuage dans l'espace couleur, la méthode proposée divise le nuage en sous-populations de points-couleur définies par des domaines-couleur.

La méthode analyse les propriétés de connexité spatiale et d'homogénéité colorimétrique de sous-ensembles de pixels définis par ces domaines-couleur afin de construire les classes de pixels qui correspondent effectivement aux régions de l'image.

Pour sélectionner des domaines-couleur pertinents, nous proposons une nouvelle mesure, le degré de compacité spatio-colorimétrique qui évalue le degré de confiance que l'on peut placer dans la proposition « le sous-ensemble de pixels défini par le domaine-couleur correspond effectivement à une région de l'image».

Keywords: 

Color image, segmentation, classification, connectedness, color homogeneity

Mots clés

Image couleur, segmentation, classification, connexité, homogénéité colorimétrique.

1. Introduction
2. Degré De Compacité Spatio-Colorimétrique D'un Sous-Ensemble-Couleur
3. Construction Des Classes De Pixels
4. Résultats
5. Conclusion
  References

[1] H.D. CHENG, X.H. JIANG, Y.SUN, J.WANG, Color image segmentation: advances and prospects, Pattern Recognition 34(12), 2259-2281, (2001).

[2] J.H. LEE, B.H. CHANG, S.D. KIM, Comparison of colour transformations for image segmentation, Electronics Letters 30(20), 1660-1661, (1994) .

[3] N. VANDENBROUCKE, L. MACAIRE, J. G. POSTAIRE, Color image segmentation by pixel classification in an adapted hybrid color space. Application to soccer image analysis., Computer Vision and Image Understanding 90(2), 190-216, (2003).

[4] L.SHAFARENKO, M.PETROU, J.V. KITTLER, Histogram based segmentation in a perceptually uniform color space, IEEE Trans. on Image Processing 7(9), 1354-1358, (1998).

[5] S.H. PARK, I.D. YUN, S.U. LEE, Color image segmentation based on 3D clustering: morphological approach, Pattern Recognition 31 (8), 1061-1076 (1998).

[6] A.GILLET, L.MACAIRE, C.BOTTE-LECOCQ, J.G. POSTAIRE, Color image segmentation by analysis of 3D histogram with fuzzy morphological filters, Studies in Fuzziness and Soft Computing 122, 153-177, (2002).

[7] T.UCHIYAMA, M.A. ARBIB, Color image segmentation using competitive learning, IEEE Trans. on Pattern Analysis and Machine Intelligence 16(12), 1197-1206, (1994).

[8] P.SCHEUNDERS, A genetic c-means clustering algorithm applied to color image quantization, Pattern Recognition 30 (6), 859-866, (1997).

[9] T.PHAM, H.YAN, Color image segmentation using fuzzy integral and mountain clustering, Fuzzy Sets and Systems 107(2), 121-130, (1999).

[10] T. Q. CHEN, Y. LU, Color image segmentation : an innovative approach, Pattern Recognition 35(2), 395-405, (2002).

[11] M.T. ORCHARD, C.A. BOUMAN, Color quantization of images, IEEE Trans. on Signal Processing 39(12), 2677-2690, (1991).

[12] R. BALASUBRAMANIAN, J. P. ALLEBACH, C. A. BOUMAN, Color-image quantization with use of a fast binary splitting technique, Journal of Optical Society of America 11(11), 2777-2786, (1994).

[13] Y.DENG, B.MANJUNATH, Unsupervised segmentation of colortexture regions in images and video, IEEE Trans. on Pattern Analysis and Machine Intelligence 23(8), 800-810, (2001).

[14] H.CHENG, X.JIANG, J.WANG, Color image segmentation based on homogram thresholding and region merging, Pattern Recognition 35(2), 373-393, (2002).

[15] H.CHENG, J.LI, Fuzzy homogeneity and scale-space approach to color image segmentation, Pattern Recognition 36(2), 1545-1562, (2003).

[16] D.COMANICIU, P.MEER, Mean shift: a robust approach toward feature space analysis, IEEE Trans. on Pattern Analysis and Machine Intelligence 24(5), 603-619, (2002).

[17] M.FONTAINE, L.MACAIRE, J.G. POSTAIRE, Pixel classification scheme for color image segmentation, in : ISIVC2000 Int. Symp. on Image/Video Communications over Fixed and Mobile Networks - Rabat, Morocco, p. 1-8, 2000.

[18] M.FONTAINE, Segmentation non supervisée d'images couleur par analyse de la connexité des pixels, Thèse de doctorat, Université Lille 1 (décembre 2001).

[19] G.HOULE, E.DUBOIS, Quantization of color images for display on graphics terminals, in: GLOBECOM86 IEEE Global Telecommunications Conf., 284-297, 1986.