[論文レビュー] A New Algorithm for Interactive Structural Image Segmentation

Alexandre Noma, Ana Beatriz Vicentim Graciano+3 more|ArXiv.org|May 13, 2008

Medical Image Segmentation Techniques参考文献 17被引用数 13

ひとこと要約

本論文は、局所的な変形グラフを介して入力画像にマッチングする属性付き関係グラフ（ARGs）を用いてオブジェクトをモデル化する、新しいインタラクティブ画像セグメンテーションアルゴリズムを提案する。この手法により、トポロジーの違いがあっても効率的で構造に配慮したセグメンテーションが可能になる。従来の手法と比較して、より高速な性能（O(|Vi||Vm|)）と、再利用可能なモデルを実現し、自然画像およびターゲット特化色画像において高品質な結果を得た。

ABSTRACT

This paper proposes a novel algorithm for the problem of structural image segmentation through an interactive model-based approach. Interaction is expressed in the model creation, which is done according to user traces drawn over a given input image. Both model and input are then represented by means of attributed relational graphs derived on the fly. Appearance features are taken into account as object attributes and structural properties are expressed as relational attributes. To cope with possible topological differences between both graphs, a new structure called the deformation graph is introduced. The segmentation process corresponds to finding a labelling of the input graph that minimizes the deformations introduced in the model when it is updated with input information. This approach has shown to be faster than other segmentation methods, with competitive output quality. Therefore, the method solves the problem of multiple label segmentation in an efficient way. Encouraging results on both natural and target-specific color images, as well as examples showing the reusability of the model, are presented and discussed.

研究の動機と目的

• 複雑な構造と外観の変動を伴う画像における、効率的でインタラクティブなセグメンテーションの課題に対処すること。
• 従来のモデルベースのセグメンテーション手法が、モデルと入力グラフの間でトポロジーの不一致に苦しむという制限を克服すること。
• ユーザーが定義したトレースを活用して、外観と構造的特徴の両方を活用した、耐障害性の高いセグメンテーション手法の開発。
• 再トレーニングやモデルの再定義なしに、類似した画像間でモデルを再利用可能にする仕組みの構築。
• 従来のARGベースのセグメンテーション手法よりも計算効率を向上させつつ、高品質なセグメンテーション品質を維持すること。

提案手法

• 入力画像とユーザー定義モデルは、頂点が画像領域を表し、辺が空間的または構造的関係を表す属性付き関係グラフ（ARGs）として表現される。
• 外観特徴（例：色）は頂点属性として符号化され、構造的関係はARGsの辺属性としてモデル化される。
• モデルARGが入力頂点にマッチングされる際に局所的にどのように変形するかを表す、新たな構造「変形グラフ」が導入され、トポロジーの柔軟性を実現する。
• セグメンテーションは、変形コストを最小化するグラフマッチング問題として定式化され、各入力頂点が構造的歪みを最小化するように独立してマッチングされる。
• 外観と構造的類似性の両方をバランスさせるコスト関数を用いて、変形の合計を最小化するラベル付けを最適化手法で計算する。
• 一度参照画像で定義されたモデルは、「ステンプ」メカニズムにより再利用可能となり、領域の注目領域にステンプを配置するだけで他の画像に適用可能になる。

実験結果

リサーチクエスチョン

• RQ1 モデルと入力画像のグラフの間のトポロジーの違いは、インタラクティブセグメンテーションにおいてどのように効果的に扱えるか？
• RQ2 従来のARGマッチングと比較して、変形に基づくグラフマッチングアプローチは、セグメンテーションの速度と耐障害性を向上させられるか？
• RQ3 同じユーザー定義モデルが、外観は異なるが構造が類似した複数の画像にどの程度再利用可能か？
• RQ4 外観と構造的特徴の統合は、複雑なシーンにおけるセグメンテーション精度にどのように影響するか？
• RQ5 頂点ラベルの順序に依存しないセグメンテーションプロセスは、高いパフォーマンスを維持しながら実現可能か？

主な発見

• 提案手法はO(|Vi||Vm|)の時間計算量で実行され、[4]で示された従来手法のΩ(|Vi||Vm|²)の計算量と比べて顕著に高速である。
• 本手法は、バーチャルセグメンテーションデータベースの自然色画像においても、山や顔のようなテクスチャが複雑な領域においても高いセグメンテーション精度を達成した。
• モデルの再利用性が顕著に高い：同じユーザー定義ストロークモデルが、XM2VTSデータベースやWebから取得した画像の類似オブジェクトを、複数の画像で成功裏にセグメンテーションした。
• 変形グラフアプローチは、入力エッジが過剰にセグメンテーションされた領域同士を接続するなど、トポロジーの不一致に対しても効果的に対処できた。
• 照明、テクスチャ、オブジェクトの位置の変化があっても、モデル内の構造的制約のおかげでセグメンテーション品質が安定した。
• マッチング時の頂点ラベル順序に依存しないため、一貫性とパフォーマンスが向上した。