[論文レビュー] A Type–II Fuzzy Entropy Based Multi-Level Image Thresholding Using Adaptive Plant Propagation Algorithm

Sayan Nag|arXiv (Cornell University)|Jan 1, 2017

Medical Image Segmentation Techniques参考文献 20被引用数 4

ひとこと要約

本稿では、適応的植物拡散アルゴリズム（APPA）を用いてしきい値選択を最適化する、タイプ-II型ファジィエントロピーを組み合わせた新しい多段階画像しきい値処理手法を提案する。タイプ-II型ファジィエントロピーを最大化することで、PSO、GSA、GAと比較して優れたセグメンテーション精度と高速な収束性を達成し、APPAは複数のテスト画像において最高の適応度値と最小の標準偏差を示した。

ABSTRACT

One of the most straightforward, direct and efficient approaches to Image Segmentation isImage Thresholding. Multi-level Image Thresholding is an essential viewpoint in many image processing andPattern Recognition based real-time applications which can effectively and efficiently classify the pixels intovarious groups denoting multiple regions in an Image. Thresholding based Image Segmentation using fuzzyentropy combined with intelligent optimization approaches are commonly used direct methods to properlyidentify the thresholds so that they can be used to segment an Image accurately. In this paper a novel approachfor multi-level image thresholding is proposed using Type II Fuzzy sets combined with Adaptive PlantPropagation Algorithm (APPA). Obtaining the optimal thresholds for an image by maximizing the entropy isextremely tedious and time consuming with increase in the number of thresholds. Hence, Adaptive PlantPropagation Algorithm (APPA), a memetic algorithm based on plant intelligence, is used for fast and efficientselection of optimal thresholds. This fact is reasonably justified by comparing the accuracy of the outcomes andcomputational time consumed by other modern state-of-the-art algorithms such as Particle SwarmOptimization (PSO), Gravitational Search Algorithm (GSA) and Genetic Algorithm (GA).

研究の動機と目的

• しきい値の数を増加させる際、従来の多段階しきい値処理手法の計算複雑性と非効率性を解消すること。
• タイプ-I型ファジィ集合よりも不確実性をより効果的に扱えるタイプ-II型ファジィ集合を活用することで、セグメンテーション精度を向上させること。
• 新規のメタヒューリスティックアルゴリズム、適応的植物拡散アルゴリズム（APPA）を用いて、計算時間を短縮し収束速度を向上させること。
• セグメンテーション品質と実行時間の両面で、既存のメタヒューリスティックアルゴリズム（PSO、GSA、GA）を上回ること。

提案手法

• 本手法は、しきい値の最適化によって画像セグメンテーション品質を最大化するため、タイプ-II型ファジィエントロピーを適応度関数として用いる。
• 画像ヒストグラムはタイプ-II型ファジィ所属関数を用いて分割され、ファジィ集合のエントロピーが計算され、セグメンテーションの有効性が評価される。
• APPAは、植物の拡散を模倣したメタヒューリスティックアルゴリズムであり、局所探索とグローバル探索を繰り返し改善することで最適なしきい値を探索する。
• アルゴリズムは候補しきい値集合の集団を初期化し、タイプ-II型ファジィエントロピーを用いて適応度を評価し、植物の拡散を模倣した選択、交差、変異に類似した操作により解を進化させる。
• APPAは適応的パラメータを組み込み、探索と開拓のバランスを保ち、収束速度と解の品質を向上させる。
• 収束するまで複数の反復を繰り返し、最良のしきい値集合を最終セグメンテーション用に選択する。

実験結果

リサーチクエスチョン

• RQ1 タイプ-II型ファジィエントロピーは、従来のエントロピー測定法と比較して、多段階画像しきい値処理においてより高いセグメンテーション精度を提供できるか？
• RQ2 APPA最適化アルゴリズムの性能は、適応度値、収束速度、耐性の観点でPSO、GSA、GAと比較してどうなるか？
• RQ3 タイプ-II型ファジィ集合の使用は、複雑な強度分布と重複するヒストグラム領域を示す画像において、しきい値選択を顕著に改善するか？
• RQ4 しきい値の数が増加する際、本手法は計算時間を短縮しつつも高い精度を維持できるか？

主な発見

• APPAは、全テスト画像およびしきい値レベルにおいて最高の平均適応度値を達成した。特に画像55067（レベル3）では16.6988を記録し、PSO（16.4828）、GSA（16.1281）、GA（16.5737）を上回った。
• APPAは適応度値の標準偏差が最小であった（例：画像55067（レベル3）では5.42×10⁻⁷）、これにより解の一貫性と耐性が優れていることが示された。
• 収束プロットから、APPAはPSO、GSA、GAと比較してより速くかつ安定して収束しており、最小限の振動と高速な最適適応度到達を示した。
• 画像388016（レベル4）において、APPAは適応度値21.0333を達成し、GA（20.7835）、PSO（20.8155）、GSA（20.3838）を顕著に上回った。これにより、最適化の優位性が確認された。
• APPAはPSO、GSA、GAと比較して平均計算時間を短縮しており、リアルタイム応用に適している。
• 本手法は、複雑な画像（例：241004（山と空）および388016（人物と壁））を高精度に複数領域にセグメンテーションでき、特に高レベルのしきい値において顕著な性能を示した。