클래스 내 표준편차를 이용한 영상 분할에서의 문턱치 처리 방법

Otsu 방법에서 사용하는 클래스 내 분산(within-class v ariance)은 통계적 분포를 나타내기에 부적절하다. Otsu 방법은 각 클래스의 분포를 표현하기 위해 분산을 사용한다. 분산은 평균으로 부터 거리의 제곱으로 나타낼 수 있다. 이 과정은 거리의 제곱을 사용하기 때문에 실제 클래스의 분포를 나타내기에는 부적절하다. 이에 본 논문은 보다 정확한 통계적 분포를 나타내기 위해 기존의 클래스 분산(class variancc)을 클래스 표준편차(class standard deviation)로 대체하였다. 본 논문은 문턱치 선택 기준으로서 클래스 내 표준편차(within-class standard deviation)을 제안하며, 이를 최소화 하는 값을 최적의 문턱치로 선택한다. 타당성을 검증하기 위해 음영이 있는 영상에 대해 모의실험을 하였다. 또한, 제안된 방법을 Otsu 방법 및 기존의 방법들과 비교하였다. 객관적 성능평가(Misclassification Error)를 통해 제안된 방법의 우수성을 확인하였다.