KR100269152B1

KR100269152B1 - Image segmentation method using fuzzy membership function

Info

Publication number: KR100269152B1
Application number: KR1019970082125A
Authority: KR
Inventors: 정재우
Original assignee: 윤종용; 삼성전자주식회사
Priority date: 1997-12-31
Filing date: 1997-12-31
Publication date: 2000-10-16
Anticipated expiration: 2017-12-31

Abstract

PURPOSE: A video segmentation method using a fuzzy system is provided to apply a weight by a fuzzy membership function to son nodes in a lower level, when calculating a father node in an upper level, so as to improve noise performance. CONSTITUTION: A level number of a video pyramid is decided(10). A video pyramid is generated for an inputted original video, using a mask having a generation kernel calculated with a membership function(20). Each pixel of the original video is mapped with one of nodes in a top level of the video pyramid.(30). And a pixel value of each pixel of the original video is replaced by a node value of the mapped node in the top level(40).

Description

Image Segmentation Using Fuzzy Techniques

본 발명은 영상 분석에 관한 것으로서, 보다 상세하게는 피라미드 방식의 영역성장 기법을 사용하는 영상 세그멘테이션에 관한 것이다.The present invention relates to image analysis, and more particularly, to image segmentation using a pyramidal region growth technique.

일반적으로 영상의 세그멘테이션이란 신호크기가 비슷한 픽셀들을 그룹핑함으로써 같은 속성(Texture)을 가지게 하는 기법을 말한다.In general, segmentation of an image refers to a technique of grouping pixels having similar signal sizes to have the same property.

종래의 세그멘테이션 방법의 일 예로 피라미드식 계층적 구조를 이용한 방법이 있다. 이 방법에서는, 먼저 원 영상에 대해 예컨대 4x4 가우시안 마스크(Gaussian Mask)를 사용하여 컨벌루션함으로써 해상도가 감소된 영상을 얻게 된다. 그 다음, 다시 상기 해상도가 감소된 영상에 대해 가우시안 마스크로 컨벌루션(Convolution)을 행하고, 이러한 단계를 반복함으로써 가우시안 영상 피라미드를 형성하게 된다.An example of the conventional segmentation method is a method using a pyramidal hierarchical structure. In this method, an image having a reduced resolution is obtained by first convolving the original image using, for example, a 4x4 Gaussian mask. Then, a convolution is performed with a Gaussian mask on the image having the reduced resolution, and the above steps are repeated to form a Gaussian image pyramid.

이러한 피라미드식 계층적 구조하에서 어느 한 레벨과 그 상위 레벨을 생각하면, 상위 레벨상의 한 노드(이를 "부노드(Father Node)"라 칭한다)는 하위 레벨 상의 16개의 노드들(이를 "자노드(Son Node)"라 칭한다)의 노드값을 토대로 계산된다. 역으로, 상위 레벨상의 모든 노드들이 계산되면, 하위 레벨 상의 임의의 한 노드는 그와 공간적으로 관련이 있는 위치에 있는 상위 레벨 상의 노드들 중 하나와 맵핑이 될 수 있다. 이때 상기 맵핑은 상기 하나의 자노드와 공간적으로 관련이 있는 부노드들(이를 "후보 부노드들"이라 칭한다) 중에서 자신과 가장 노드값 차이가 작은 것과 이루어진다. 소정의 최상위 레벨 즉 정점 레벨까지 각 피라미드 레벨이 형성되면, 원 영상중의 각 화소의 화소값은 각각의 맵핑경로에 의해 맵핑되는 정점 레벨의 한 노드의 노드값에 의해 치환이 되고, 그럼으로써, 세그멘테이션이 완료된다.Considering one level and its higher level under this pyramidized hierarchical structure, a node on a higher level (referred to as a "Father Node") refers to sixteen nodes on a lower level ("child nodes" Son Node). Conversely, once all nodes on the higher level have been computed, any one node on the lower level can be mapped to one of the nodes on the higher level at a location that is spatially related thereto. At this time, the mapping is made of the smallest node value difference from itself among the spatially related subnodes (referred to as "candidate subnodes"). When each pyramid level is formed up to a predetermined top level, i.e., the vertex level, the pixel value of each pixel in the original image is replaced by the node value of one node of the vertex level mapped by the respective mapping path, whereby Segmentation is complete.

그런데, 상기와 같은 피라미드식 계층적 구조를 이용한 종래의 세그멘테이션 방법에 의하면, 자노드의 노드값을 단순히 산술평균함으로써 부노드의 노드값을 생성하기 때문에, 잡음 등의 왜곡이 계속 상위 레벨로 전파되는 단점이 있다. 또한, 피라미드를 사용하여 최종적으로 자노드를 후보 부노드에 대치할 때에 자노드와 후보 부노드간의 유사한 정도를 고려하지 않기 때문에, 결과가 왜곡되어 정확하지 않게 되는 경우가 발생할 수 있다.However, according to the conventional segmentation method using the pyramid-like hierarchical structure as described above, since the node value of the negative node is generated by simply arithmetically averaging the node value of the child node, distortion such as noise continues to propagate to a higher level. There are disadvantages. In addition, since the similarity between the child node and the candidate subnode is not considered when finally replacing the child node with the candidate subnode using the pyramid, the result may be distorted and may not be accurate.

본 발명은 상기 문제점을 해결하기 위한 것으로서, 피라미드식 계층적 구조를 이용한 영상 세그멘테이션 방법에 있어서, 상위 레벨의 부노드를 계산함에 있어 하위 레벨의 자노드들에 퍼지 멤버쉽 함수에 의한 가중치를 부여함으로써 잡음 성능이 개선되는 영상 세그멘테이션 방법을 제공하는 것을 그 기술적 과제로 한다.The present invention is to solve the above problems, in the image segmentation method using a pyramidal hierarchical structure, in calculating the upper level of the negative node by assigning a weight to the lower level of the child nodes by the fuzzy membership function The technical problem is to provide an image segmentation method of improving performance.

도 1은 본 발명에 의한 영상 세그멘테이션 방법을 보여주는 흐름도이다.1 is a flowchart illustrating an image segmentation method according to the present invention.

도 2는 i번째 피라미드 레벨의 노드들을 사용하여 (i+1)번째 피라미드 레벨의 노드들을 계산하는 과정을 보여주는 흐름도이다.2 is a flowchart illustrating a process of calculating nodes of an (i + 1) th pyramid level using nodes of an i-th pyramid level.

도 3은 i번째 피라미드 레벨의 노드들을 사용하여 (i+1)번째 피라미드 레벨의 노드들을 계산함에 있어서, 부노드를 생성하는데 사용되는 16개의 자노드를 보여주는 도면이다.FIG. 3 is a diagram showing 16 child nodes used to generate a subnode in calculating nodes of an (i + 1) th pyramid level using nodes of an i-th pyramid level.

도 4는 i번째 피라미드 레벨의 노드들을 사용하여 (i+1)번째 피라미드 레벨의 노드들을 계산함에 있어서 부여되는 링킹 강도를 설명하기 위한 도면이다.FIG. 4 is a diagram for explaining linking strength given in calculating nodes of (i + 1) th pyramid level using nodes of i-th pyramid level.

도 5는 본 발명의 바람직한 실시예에서 멤버십 함수로 사용되는 시그모이드 함수의 그래프이다.5 is a graph of a sigmoid function used as a membership function in a preferred embodiment of the present invention.

도 6은 자노드와 최대 링크되는 부노드를 결정하는데 사용되는 4개의 후보 부노드를 보여주는 도면이다.6 shows four candidate subnodes used to determine a subnode that is maximum linked with a child node.

도 7은 후보 부노드들 중에서 자노드와 최대 링크되는 부노드가 결정되는 것을 보여주는 도면이다.FIG. 7 is a diagram illustrating that a subnode that is most linked with a child node is determined among candidate subnodes.

도 8은 원 영상의 각 화소값을 정점레벨의 화소값으로 대치하는 과정을 보여주는 흐름도이다.8 is a flowchart illustrating a process of replacing each pixel value of an original image with a pixel value of a vertex level.

상기 목적을 달성하기 위하여 본 발명의 영상 세그멘테이션 방법에서는, 먼저 영상 피라미드의 레벨 수가 결정된다. 그 다음, 멤버쉽 함수를 사용해서 계산된 생성 커널을 가지는 마스크를 사용하여, 입력된 원 영상에 대해 영상 피라미드를 성장시킨다. 그리고, 원 영상의 각 화소를 영상 피라미드의 정점 레벨에 있는 노드들 중 하나와 맵핑시킨다. 최종적으로, 원 영상의 각 화소의 화소값을 상기 맵핑된 정점 레벨의 노드의 노드값에 의해 대치시킨다.In order to achieve the above object, in the image segmentation method of the present invention, the number of levels of an image pyramid is first determined. Next, the image pyramid is grown with respect to the input original image, using a mask with a generation kernel calculated using the membership function. Each pixel of the original image is mapped to one of the nodes at the vertex level of the image pyramid. Finally, the pixel value of each pixel of the original image is replaced by the node value of the node of the mapped vertex level.

상기 영상 피라미드를 성장시키는 단계는 (1) i번째 레벨의 각 노드의 주변에 소정수 크기의 마스크를 적용하여 다음 수학식The growing of the image pyramid may be performed by (1) applying a mask having a predetermined size to the periphery of each node of the i-th level.

(여기서, ω(m,n)은 상기 마스크내의 피라미드 생성 커널, K는 커널의 크기, N은 i번째 피라미드 레벨의 크기를 나타냄)에 의해 콘볼루션 연산을 수행함으로써, (i+1)번째 레벨에 있는 공간적으로 대응하는 위치에 있는 노드의 노드값을 계산하는 단계; (2) i번째 레벨의 각 노드에 대해 최대링크가 되는 (i+1)번째 레벨상의 노드를 결정하는 단계; (3) 다음 수학식(Where ω (m, n) is the pyramid generating kernel in the mask, K is the size of the kernel, and N is the size of the i-th pyramid level), thereby performing the (i + 1) th level. Calculating a node value of a node at a spatially corresponding location in the; (2) determining nodes on the (i + 1) th level that become the maximum link for each node of the ith level; (3) the following equation

에 의해 (i+1)번째 레벨에 있는 노드의 노드값을 조정하는 단계; (4) 최대링크가 변화하지 않았는지 판단하는 단계; (5) 최대링크가 변화한 경우, 상기 (b2a) 및 (b2b) 단계를 반복하는 단계; (6) 상기 원 영상 레벨에서 시작하여, 상기 정점 레벨의 노드들의 노드값들이 구해질 때까지 상기 (1) 내지 (5)단계를 반복하는 단계;를 포함하는 것이 바람직하다.Adjusting the node value of the node at the (i + 1) th level by; (4) determining whether the maximum link has not changed; (5) repeating steps (b2a) and (b2b) when the maximum link is changed; (6) starting from the original image level and repeating steps (1) to (5) until node values of nodes of the vertex level are obtained.

또한, 원 영상의 각 노드의 노드값을 정점 레벨의 노드값들 하나에 의해 대치하는 것은 원 영상의 각 화소의 화소값과 상기 화소와 맵핑이 되어 있는 정점 레벨 노드의 노드값이 소정의 기준값보다 큰 경우에만 이루어지는 것이 바람직하다.In addition, replacing the node value of each node of the original image by one of the node values of the vertex level means that the pixel value of each pixel of the original image and the node value of the vertex level node mapped with the pixel are larger than a predetermined reference value. It is preferable to make it only when large.

이하, 첨부한 도면을 참조하여 본 발명의 바람직한 실시예를 보다 상세하게 설명한다.Hereinafter, with reference to the accompanying drawings will be described in detail a preferred embodiment of the present invention.

먼저, 영상 피라미드의 레벨 수를 결정하고(제10단계), 상기 레벨 수만큼 영상 피라미드를 성장시킨다(제20단계) 이 과정을 도2 내지 도 7을 참조하여 설명한다.First, the number of levels of the image pyramid is determined (step 10), and the image pyramid is grown by the number of levels (step 20). This process will be described with reference to FIGS.

임의의 (i+1)번째 피라미드 레벨의 각 노드는 그 이전 피라미드 레벨에 있는 16개 노드의 노드값들을 사용하여 계산된다(제22단계). 본 발명의 바람직한 실시예에 있어서, 상기 계산은 다음 수학식 을 사용하여 이루어진다.Each node of any (i + 1) th pyramid level is calculated using the node values of the 16 nodes at the previous pyramid level (step 22). In a preferred embodiment of the present invention, the calculation is made using the following equation.

여기에서, i는 원 영상에서부터 시작하여 각 피라미드 레벨에 붙여지는 인덱스, ω(m,n)은 상기 마스크내의 피라미드 생성 커널, K는 커널의 크기, N은 i번째 피라미드 레벨의 크기를 나타낸다. 본 실시예에 있어서, 상기 마스크로는 4x4 크기의 마스크가 사용되므로 N은 4의 값을 가진다.Here, i is an index attached to each pyramid level starting from the original image, ω (m, n) is a pyramid generating kernel in the mask, K is the size of the kernel, and N is the size of the i-th pyramid level. In the present embodiment, since the mask of 4x4 size is used as the mask, N has a value of 4.

즉, 본 실시예에 있어서 (i+1)번째 피라미드 레벨의 각 노드는 i번째 피라미드 레벨에 4×4 크기의 마스크를 적용하여, i번째 피라미드 레벨의 노드값들과 피라미드 생성 커널을 콘볼루션함으로써 계산된다. 이때 상기 마스크가 적용되는 위치는 (i+1)번째 레벨의 노드와 공간적으로 대응하는 위치가 되는데, 이것이 도 3에 도시되어 있다.That is, in this embodiment, each node of the (i + 1) th pyramid level applies a mask of size 4 × 4 to the ith pyramid level, thereby convolving node values of the ith pyramid level and the pyramid generating kernel. Is calculated. In this case, the position to which the mask is applied becomes a position corresponding to the node of the (i + 1) th level spatially, which is shown in FIG.

상기 마스크내의 피라미드 생성 커널 ω(m,n)은 멤버쉽 함수에 의해 정해지며, (i+1)번째 피라미드 레벨의 노드 계산에 사용되는 i번째 피라미드 레벨 노드들의 링킹 강도 즉 가중치를 나타낸다. 도 4는 이러한 링킹 강도를 보여주는 도면으로서, 도 3에서 어느 한 라인만을 도시한 것이다. 도 4에 표시된 바와 같이, 상기 링킹 강도는 (i+1)번째 피라미드 레벨의 노드와 i번째 피라미드 레벨의 노드에 따라 달라지는데, 이하의 기재에 있어서는 첨자로써 이를 구분하기로 한다.The pyramid generating kernel ω (m, n) in the mask is determined by the membership function and represents the linking strength, i.e., the weight, of the i-th pyramid level nodes used for the node calculation of the (i + 1) th pyramid level. 4 is a view showing this linking strength, which shows only one line in FIG. As shown in FIG. 4, the linking strength varies depending on the node of the (i + 1) th pyramid level and the node of the i-th pyramid level, which will be distinguished by subscripts in the following description.

상기 멤버쉽 함수로는 다음 수학식 2로 기술되는 시그모이드(Sigmoid) 함수가 사용된다.As the membership function, a sigmoid function described by Equation 2 below is used.

여기에서, α,β,γ는 상수, u는 부노드의 노드값과 자노드의 노드값의 유클리디안 거리(Euclidean Distance) 즉 차이를 나타낸다. 도 5는 상기 시그모이드 함수를 도시한 것이다. 도면에서 볼 수 있는 바와 같이, 부노드와 자노드의 차이가 클수록 멤버쉽 함수값은 작은 값을 가지고, 이에 따라 해당 자노드는 작은 링킹 강도 즉 가중치가 부여된다. 따라서, 해당 화소가 잡음으로 기인한 경우에는, 잡음의 영향이 상당 부분 제거될 수 있게 된다.Here, α, β, and γ are constants, and u represents an Euclidean distance, i.e., a difference between the node value of the secondary node and the node value of the child node. 5 shows the sigmoid function. As can be seen in the figure, the greater the difference between the secondary node and the child node, the smaller the membership function value, and thus the corresponding child node is given a smaller linking strength, or weight. Therefore, when the pixel is caused by noise, the influence of noise can be largely eliminated.

제22단계에서, (i+1)번째 레벨의 모든 노드들이 계산되면, i번째 레벨의 각 노드에 대해 최대링크가 되는 (i+1)번째 레벨상의 노드를 결정한다. 여기에서, 최대링크라 함은 상기 i번째 레벨의 각 노드가 가장 링크 강도로 적용되는 부노드와의 링크를 말한다. 이를 구하기 위해 도 6에 도시된 바와 같이, 상기 i번째 레벨의 자노드와 공간적으로 관련이 있는 복수의 후보부노드를 선정한다. 그리고, 이들과의 링크 강도를 도 7에 도시된 바와 같이 구한다.In a twenty-second step, when all nodes of the (i + 1) th level are calculated, a node on the (i + 1) th level that is the maximum link for each node of the i th level is determined. Here, the maximum link refers to a link with a secondary node to which each node of the i-th level is applied with the most link strength. In order to obtain this, as illustrated in FIG. 6, a plurality of candidate subnodes that are spatially related to the i-node of the i-th level are selected. And the link strength with these is calculated | required as shown in FIG.

i번째 레벨의 각 노드에 대해 최대링크가 결정되면, 다음 수학식 3에 의해 부노드를 다시 계산하여 (i+1)번째 레벨에 있는 노드들의 노드값을 조정하게 된다(제24단계).When the maximum link is determined for each node of the i-th level, the second node is recalculated by Equation 3 to adjust the node values of the nodes of the (i + 1) th level (step 24).

그리고, 다시 i번째 레벨의 각 노드에 대해 최대링크를 구하고, i번째 레벨의 모든 노드에 있어서 최대링크가 변화하지 않았는지를 판단한다(제26단계). 모든 노드에 있어서 최대링크가 변화하지 않은 경우에, 링크들이 "수렴"하였다고 한다. 만약 수렴하지 않은 경우에는 제 24단계를 반복한다. 만약 링크들이 수렴한 경우에는 두 피라미드 레벨의 각 노드들간의 링크를 확정한다(제28단계).Then, the maximum link is obtained for each node of the i-th level, and it is determined whether the maximum link has not changed in all nodes of the i-th level (step 26). If the maximum link has not changed for all nodes, the links are said to "converge." If it does not converge, repeat step 24. If the links converge, a link between each node of two pyramid levels is determined (step 28).

i번째 레벨과 (i+1)번째 레벨의 각 노드들간의 링크가 확정되면, (i+1)번째 레벨의 노드들을 사용하여 (i+2)번째 레벨을 구하고, 다시 이들간의 링크를 정한다. 이러한 과정이 정점 레벨이 이를 때까지 계속된다. 정점 레벨과 그 이전 레벨간의 링크가 정해지면, 영상 피라미드는 완성된다.When the link between the i-th level and the (i + 1) th level nodes is determined, the (i + 2) th level is obtained using the nodes of the (i + 1) th level, and the link between them is determined again. This process continues until the vertex level is reached. Once the link between the vertex level and the previous level is established, the image pyramid is complete.

이와 같이 영상 피라미드가 생성되고, 각 피라미드 레벨간의 맵핑이 완료되면, 이러한 레벨간 맵핑결과들을 이용하여 원 영상 레벨의 각 화소들을 영상 피라미드의 정점 레벨에 있는 노드들 중 하나로 맵핑시키게 된다(도1의 제30단계).When the image pyramid is generated and mapping between the pyramid levels is completed, the pixels of the original image level are mapped to one of the nodes at the vertex level of the image pyramid using the inter-level mapping results (see FIG. 1). Step 30).

그리고, 원 영상의 각 노드의 노드값을 정점 레벨의 노드값들 중 상기 제30단계에서 맵핑된 것에 의해 대치시키게 된다(제40단계). 본 바람직한 실시예에 있어서, 원 영상의 화소의 노드값들의 대치는 항상 이루어지는 것이 아니고, 그 차이가 소정의 기준값 이상이 될 때에만 이루어진다. 도 8을 참조하여 이를 보다 구체적으로 설명하면 다음과 같다.Then, the node value of each node of the original image is replaced by the mapping of the node value of the vertex level in the thirtieth step (step 40). In the present preferred embodiment, the node values of the pixels of the original image are not always replaced, but only when the difference is equal to or greater than a predetermined reference value. This will be described in more detail with reference to FIG. 8 as follows.

먼저, 기준값을 설정한 후(제42단계), 원 영상의 각 화소의 화소값과 상기 화소와 맵핑이 되어 있는 정점 레벨 노드의 노드값의 차이를 구한다. 그리고 상기 차이가 상기 기준값보다 큰지 여부를 판단한다(제44단계). 만약 상기 차이가 기준값보다 큰 경우, 상기 원 영상 화소의 화소값은 상기 정점 레벨 노드의 노드값으로 대치된다(제46단계). 그렇지만, 상기 차이가 기준값보다 크기 않은 경우에는, 상기 원 영상 화소의 화소값은 상기 정점 레벨 노드의 노드값으로 대치되지 않는다.First, after setting the reference value (step 42), the difference between the pixel value of each pixel of the original image and the node value of the vertex level node mapped with the pixel is obtained. In operation 44, it is determined whether the difference is greater than the reference value. If the difference is greater than the reference value, the pixel value of the original image pixel is replaced with the node value of the vertex level node (step 46). However, when the difference is not larger than the reference value, the pixel value of the original image pixel is not replaced by the node value of the vertex level node.

상기 본 발명의 바람직한 실시예에 있어서, 세크멘테이션 결과에 영향을 미치는 것으로 크게 두 가지를 들 수 있다. 첫째는 피라미드 정점 레벨의 크기이다. 이 정점 레벨의 노드 수는 결국 원 영상을 구분하는 개수가 될 수 있기 때문이다. 또 하나는 도 8의 제42 단계에서 설정되는 기준값이다. 이 기준값을 경계로 대치 여부가 결정되기 때문이다. 만약 콘트라스트가 큰 부분만을 나누고자 할 경우에는 이 기준값을 크게 설정되어, 유사성이 낮은 화소들에 대한 영향까지 고려할 수 있다. 한편, 콘트라스트가 작은 부분까지도 나누고 싶으면, 상기 기준값을 작게 설정할 수 있다. 이 경우에는 유사성이 낮은 화소들에 대한 영향이 배제된다. 한편, 상기 기준값을 적절히 사용하면 영상 피라미드 레벨을 많이 만들지 않고도 양질의 결과를 얻을 수 있다. 즉, 한번은 기준값을 작게 설정하여 세그멘테이션하고, 그 결과에 대해 기준값을 크게 설정하여 다시 한번 세그멘테이션할 수도 있다. 이러한 경우, 처음에는 경계(Edge) 부분이 강조되고, 나중에는 같은 속성끼리 쉽게 묶어질 수 있게 된다.In the above preferred embodiment of the present invention, two things can be said to affect the segmentation result. The first is the size of the pyramid vertex level. This is because the number of nodes at this vertex level may be the number that distinguishes the original image. The other is a reference value set in step 42 of FIG. 8. This is because it is determined whether or not to replace the reference value. If only a large portion of the contrast is to be divided, the reference value is set large, so that the influence on the pixels having low similarity may be considered. On the other hand, if you want to divide even the smallest contrast, the reference value can be set small. In this case, the influence on the low similarity pixels is excluded. On the other hand, if the reference value is used properly, a good result can be obtained without making many image pyramid levels. In other words, once the reference value is set to be small, the segmentation may be performed, and the reference value may be set to be large and the segmentation may be performed once again. In this case, the edges are first emphasized, and later the same attributes can be easily bound together.

상술한 바와 같이, 본 발명에 의하면, 상위 레벨의 부노드를 계산함에 있어서 잡음 성분 노드에 작은 가중치가 주어지기 때문에, 잡음 성분이 제거된다. 또한, 부노드 계산에 사용되는 자노드들에 가중치를 부여하는 다치 논리를 사용함으로 말미암아, 피라미드 레벨간의 왜곡이 거의 없게 된다. 또한 최종적으로 원 영상의 화소값을 대치함에 있어 임의로 기준값을 설정하고, 기준값과의 비교 결과에 따라 대치가 이루어지기 때문에 원하는 형태로 세그멘테이션을 할 수 있게 되는 효과가 있다.As described above, according to the present invention, since the noise component node is given a small weight in calculating the upper level negative node, the noise component is removed. In addition, the use of multivalued logic to weight the child nodes used in the minor node calculation results in little distortion between the pyramid levels. In addition, finally replacing the pixel value of the original image arbitrarily set a reference value, and the replacement is made according to the comparison result with the reference value has the effect that it is possible to segment in the desired form.

Claims

In the image segmentation method using pyramidal hierarchical structure,

(a) determining the number of levels of the image pyramid;

(b) growing an image pyramid over the input original image using a mask having a generation kernel calculated using the membership function;

(c) mapping each pixel of the original image to one of the nodes at the vertex level of the image pyramid; And

and (d) replacing the pixel value of each pixel of the original image by the node value of the node of the mapped vertex level.

The method of claim 1, wherein step (b)

(b1) the following equation is applied by applying a predetermined number of masks around each node of the i-th level:

Where ω (m, n) is the pyramid generating kernel in the mask, K is the size of the kernel, and N is the size of the i-th pyramid level.

Calculating a node value of a node at a spatially corresponding position at the (i + 1) th level by performing a convolution operation by;

(b2) determining nodes on the (i + 1) th level that become the maximum link for each node of the ith level;

(b3) starting at the original image level and repeating steps (b1) and (b2) until node values of nodes of the vertex level are obtained.

The method of claim 2, wherein after step (b2)

(b2a) the following equation

Adjusting the node value of the node at the (i + 1) th level by;

(b2b) determining whether the maximum link has not changed; And

and (b2c) repeating the steps (b2a) and (b2b) when the maximum link is changed.

The method of claim 2, wherein the mask has a size of 4 × 4.

The method of claim 2, wherein the membership function is

(Where α, β, γ are constants, u is the difference between the minor and child nodes)

Image segmentation method, which is a sigmoid function described by.

The method of claim 1, wherein step (d)

(d1) setting a reference value;

(d2) obtaining a difference between a pixel value of each pixel of the original image and a node value of a vertex level node mapped with the pixel;

(d3) determining whether the difference is greater than the reference value;

and (d4) replacing the pixel value of the original image pixel with the node value of the vertex level node when it is determined that the difference is greater than the reference value in step (d3).