오리엔티드 거리 함수를 이용한 랜덤 집합과 경계의 기대값

초록

본 논문은 이미지 분석에서 객체를 랜덤 집합으로 모델링하고, 오리엔티드 거리 함수(ODF)를 기반으로 기대 집합과 기대 경계를 새롭게 정의한다. 제안된 기대값은 포함 관계, 볼록성 보존, 강체 변환에 대한 동등성 등 여러 수학적 성질을 만족한다. 또한 파라메트릭 집합을 위한 분리형 ODF와 분리형 랜덤 폐집합 개념을 도입하고, 경험적 평균 집합·경계의 일관성을 실험적으로 확인한다. 마지막으로 빈도주의 프레임에서 손실 함수와 기존 기대값들의 최적 추정관계를 제시한다.

상세 분석

이 연구는 기존의 랜덤 집합 기대값 정의가 “볼록성 보존”, “포함 관계 유지”, “강체 변환에 대한 불변성” 등 직관적으로 바람직한 성질을 동시에 만족시키지 못한다는 점을 지적한다. 이를 해결하기 위해 저자들은 오리엔티드 거리 함수(ODF)를 핵심 도구로 채택한다. ODF는 점 x가 집합 A 내부에 있으면 양수, 외부에 있으면 음수, 경계에 있으면 0을 반환하는 거리 기반 함수로, 집합의 형태 정보를 완전하게 보존한다. 기대 ODF를 정의하고 이를 역변환(inverse transform)함으로써 기대 집합 E