[論文レビュー] A Bayesian Approach to Shape Reconstruction of a Compact Object from a Few Number of Projections

Ali Mohammad‐Djafari|ArXiv.org|Nov 14, 2001

Medical Imaging Techniques and Applications参考文献 17被引用数 4

ひとこと要約

本稿では、物体を多角形ディスクとしてモデル化し、最大後確信度（MAP）推定を用いて頂点座標を推定することで、限定的な数のX線投影からコンpakトな物体のベイジアン形状再構成手法を提案する。この手法は、モーメントベースの初期化を用いたシミュレーテッド・アニーリングまたは勾配ベースの最適化により正則化された基準を最適化し、わずかな、ノイズの多いデータでも正確な形状回復を達成する。5つの投影角度、20 dB SNRの条件下で40頂点の多角形に対して実証された。

ABSTRACT

Image reconstruction in X ray tomography consists in determining an object from its projections. In many applications such as non destructive testing, we look for an image who has a constant value inside a region (default) and another constant value outside that region (homogeneous region surrounding the default). The image reconstruction problem becomes then the determination of the shape of that region. In this work we model the object (the default region) as a polygonal disc and propose a new method for the estimation of the coordinates of its vertices directly from a very limited number of its projections. Keywords: Computed Imaging, Tomography, Shape reconstruction, Non destructive testing, Regularization, Bayesian estimation, Deformable contours.

研究の動機と目的

• 少ない数の投影しか得られない非破壊検査（NDT）における形状再構成を解決すること。
• パラメータ空間の複雑さを低減するため、未知の頂点座標を持つ多角形ディスクとしてコンパクトな物体をモデル化すること。
• 画像の完全な離散化を回避し、直接的に投影から頂点位置を推定するベイジアンMAP推定フレームワークを開発すること。
• 局所的（勾配ベース）最適化とグローバル（シミュレーテッド・アニーリング）最適化を、モーメントベースの初期化と併用して、ロバスト性と精度を比較すること。
• X線、超音波、渦電流断層撮影などのNDT応用で一般的な、スパarsなノイズの多いデータにおける性能を評価すること。

提案手法

• 物体は、未知のパラメータとしての頂点座標を持つ多角形ディスクとしてモデル化される。
• 尤度はラドン変換から導出され、多角形を通過する線積分の解析的表現を介して、投影と多角形形状を関連付ける。
• 正則化されたベイジアン基準として、J = ||p - H(z)||² + λΩ(z) を定式化する。ここでzは頂点座標を表し、Hは投影演算子、Ω(z)は形状の滑らかさを強制する。
• この非凸的かつ非一意な基準を、シミュレーテッド・アニーリング（グローバル）またはモーメントベースの初期化を用いた局所的勾配降下法により最適化することでMAP推定が得られる。
• モーメントベースの初期化は、投影の2階モーメントと一致する楕円フィット多角形を推定し、局所最適化の良好な初期点を提供する。
• 本手法は、5つの投影角度、20 dB SNRの40頂点多角形で検証され、バックプロジェクション法およびGMRFベースの手法と比較された。

実験結果

リサーチクエスチョン

• RQ1 非常に少ない投影数で、トモグラフィーにおけるコンパクトな物体を多角形ディスクモデルで正確に表現できるか？
• RQ2 ピクセル強度ではなく頂点座標を直接推定するベイジアンMAP推定は、どの程度有効か？
• RQ3 スパースかつノイズの多いデータからの形状再構成において、シミュレーテッド・アニーリングは局所的最適化に比べて優れているか？
• RQ4 形状の忠実度という観点から、本手法は古典的手法（バックプロジェクションおよび正則化ベースの画像再構成）と比べてどうか？
• RQ5 モーメントベースの初期化は、グローバル最適解の吸引域に信頼性を持って初期化できるか？

主な発見

• 提案されたベイジアン手法は、5つの投影角度でのみ、40頂点のコンパクトな物体の形状を再構成でき、20 dB SNRでも高い忠実度を達成した。
• シミュレーテッド・アニーリングは局所的最適化に比べて優れた再構成品質を示し、視覚的に正確な形状への安定した収束を示した。
• モーメントベースの初期化により、局所勾配降下法の収束が高速化されたが、初期化の品質に敏感であった。
• 特に形状の正確性において、古典的手法のバックプロジェクションおよびGMRFベースのMAP再構成を上回った。
• 従来の再構成手法のバイナリ閾値処理では真の多角形境界が回復できなかったが、本手法は物体の鋭い、区分的定数性を保持した。
• 基準関数の非一意性のため、最適化戦略を慎重に選択する必要があり、計算コストは高いがシミュレーテッド・アニーリングがよりロバストであることが示された。