[論文レビュー] A Simple Method to improve Initialization Robustness for Active Contours driven by Local Region Fitting Energy

Keyan Ding, Xiao, Linfang|arXiv (Cornell University)|Feb 28, 2018

Medical Image Segmentation Techniques参考文献 9被引用数 9

ひとこと要約

本稿では、局所的領域適合エネルギーに基づくアクティブな輪郭モデルにおける初期化のロバスト性を向上させる、単純ながら効果的な手法を提案する。曲線の進化中に輪郭の両側の適合値を入れ替えることで、内部領域と外部領域の適合値が一貫して順序付けられ、局所的最小値に閉じ込められるリスクが低減され、多様な初期化に対してもセグメンテーションの信頼性が向上する。

ABSTRACT

Active contour models based on local region fitting energy can segment images with intensity inhomogeneity effectively, but their segmentation results are easy to error if the initial contour is inappropriate. In this paper, we present a simple and universal method of improving the robustness of initial contour for these local fitting-based models. The core idea of proposed method is exchanging the fitting values on the two sides of contour, so that the fitting values inside the contour are always larger (or smaller) than the values outside the contour in the process of curve evolution. In this way, the whole curve will evolve along the inner (or outer) boundaries of object, and less likely to be stuck in the object or background. Experimental results have proved that using the proposed method can enhance the robustness of initial contour and meanwhile keep the original advantages in the local fitting-based models.

研究の動機と目的

• 局所的領域適合に基づくアクティブな輪郭モデルにおける、初期化のロバスト性の低さを解消すること。
• 初期輪郭が不適切に配置された場合に、誤った境界に収束する傾向を克服すること。
• 強度の不均一性に対処できるという、局所的領域適合モデルの元々の利点を維持すること。
• コアなエネルギー関数を変更せずに、最小限で普遍的な修正を導入すること。

提案手法

• 曲線の進化中にアクティブな輪郭の両側の局所的領域適合値を入れ替える値交換メカニズムを導入する。
• 初期配置に関係なく、輪郭内部の適合値が一貫して外部よりも大きい（または小さい）ように保証する。
• 輪郭が物体の境界付近にいる場合にのみ交換を適用することで、安定性を保ち、振動を防ぐ。
• 元の局所的領域適合エネルギーの定式化を維持しつつ、境界の正しい方向への進化を導くために条件付きの交換操作を追加する。
• エネルギー差の符号を用いて、輪郭の両側の適合値の順序を一貫させるタイミングを決定する。
• 下位の最適化フレームワークを変更せずに、レベルセットの進化ループ内で後処理としてこの手法を統合する。

実験結果

リサーチクエスチョン

• RQ1 単純な修正が、強度の不均一性を示す画像における、初期化が不適切な場合のアクティブな輪郭のロバスト性を向上させることができるか？
• RQ2 内部領域と外部領域の適合値の順序を一貫して保つことで、輪郭が局所的最小値に閉じ込められるのを防げるか？
• RQ3 提案手法が、セグメンテーション品質を劣化させることなく、正しい物体境界への収束を向上させることができるか？
• RQ4 この手法は、モデル固有のチューニングを要せず、さまざまな局所的領域適合モデルに普遍的に適用可能か？
• RQ5 値交換メカニズムは、アクティブな輪郭の進化における収束速度と安定性にどのように影響を与えるか？

主な発見

• 提案手法は初期化のロバスト性を顕著に向上させ、初期輪郭が真の物体境界から離れていても、正常にセグメンテーションが可能である。
• 実験結果から、ベースラインの局所的領域適合モデルと比較して、初期化が不適切な状況下でのセグメンテーション失敗率が低減されていることが示された。
• 本手法は、局所的領域適合モデルの強度の不均一性への対処能力をそのままで維持しており、困難な画像においても高いセグメンテーション精度を維持している。
• 値交換メカニズムにより、輪郭が境界に適切に近づくように、輪郭の両側の適合値の順序を一貫して強制することで、効果的に境界探索が可能になった。
• 計算コストの増加は最小限に抑えられており、実世界の応用において実用的である。
• 再トレーニングやパラメータ再推定を必要とせず、さまざまな局所的領域適合に基づくアクティブな輪郭モデルに普遍的に適用可能である。