[論文レビュー] Automatic Color Image Segmentation Using a Square Elemental Region-Based Seeded Region Growing and Merging Method

Hisashi Shimodaira|arXiv (Cornell University)|Nov 26, 2017

Advanced Image and Video Retrieval Techniques参考文献 29被引用数 3

ひとこと要約

本稿では、ピクセルの代わりに正方形の基本領域を処理ユニットとして用いることで、高速かつ安定した自動カラー画像セグメンテーション手法を提案する。エッジ強化勾配に基づくシード領域成長、タスリスエントロピーに基づく均質性距離を用いた領域統合、および推定された領域数を用いた停止条件を採用し、一様なパrameter設定のもとで多様な自然画像において一貫性があり高品質なセグメンテーションを実現する。

ABSTRACT

This paper presents an efficient automatic color image segmentation method using a seeded region growing and merging method based on square elemental regions. Our segmentation method consists of the three steps: generating seed regions, merging the regions, and applying a pixel-wise boundary determination algorithm to the resultant polygonal regions. The major features of our method are as follows: the use of square elemental regions instead of pixels as the processing unit, a seed generation method based on enhanced gradient values, a seed region growing method exploiting local gradient values, a region merging method using a similarity measure including a homogeneity distance based on Tsallis entropy, and a termination condition of region merging using an estimated desired number of regions. Using square regions as the processing unit substantially reduces the time complexity of the algorithm and makes the performance stable. The experimental results show that our method exhibits stable performance for a variety of natural images, including heavily textured areas, and produces good segmentation results using the same parameter values. The results of our method are fairly comparable to, and in some respects better than, those of existing algorithms.

研究の動機と目的

• 多様な画像タイプにわたって効率的かつ頑健な自動カラー画像セグメンテーション手法の開発。
• 処理ユニットとして個々のピクセルの代わりに正方形の基本領域を用いることで、時間計算量を低減し、安定性を向上。
• 同じパrameter設定を用いて、さまざまな画像（特に複雑なテクスチャを含むもの）において一貫したセグメンテーション性能を実現。
• タスリスエントロピーに基づく新しい領域統合戦略を導入し、均質性測定を改善。
• 推定された希望する領域数に基づく停止条件を組み込むことで、制御可能なセグメンテーション結果を実現。

提案手法

• 計算複雑度を低減するため、画像処理に正方形の基本領域（例：3×3 または 5×5 ピクセルブロック）を個々のピクセルの代わりに用いる。
• 初期の均質領域を高コントラストで特定するために、強化勾配値を用いてシード領域を生成する。
• 局所的な勾配値に基づいてシードを拡張することで、領域の均質性を維持しながら領域成長を実行する。
• タスリスエントロピーから導出される均質性距離を含む類似度測定により、領域統合をガイドする。
• 領域数が推定された希望する値に達した段階で統合プロセスを停止させ、セグメンテーションの細かさを制御する。
• 最終的な多角形領域に対してピクセル単位の境界決定アルゴリズムを適用し、セグメンテーションのエッジを精緻化する。

実験結果

リサーチクエスチョン

• RQ1 ピクセルの代わりに正方形の基本領域を用いることで、時間計算量を顕著に低減しつつも、セグメンテーションの正確性を維持できるか？
• RQ2 強化勾配に基づくシード生成法は、多様な画像において意味のある初期領域を効果的に特定できるか？
• RQ3 従来の類似度測定と比較して、タスリスエントロピーに基づく均質性距離は、領域統合の精度をどの程度向上させるか？
• RQ4 推定された領域数に基づく停止条件は、安定的で予測可能なセグメンテーション結果を生み出せるか？
• RQ5 本手法は、複雑なテクスチャを有する自然画像において、既存のアルゴリズムと比較してどの程度の性能を示すか？

主な発見

• 正方形の基本領域の使用により、時間計算量が顕著に低減され、品質に妥協なく高速な処理が可能になる。
• 同じパrameter設定を用いても、複雑なテクスチャを有する自然画像を含む広範な画像タイプにおいて、安定したセグメンテーション性能を達成する。
• 既存の領域成長および統合アルゴリズムと比較して、セグメンテーション結果はほぼ同等であり、一部のケースではそれらを上回る。
• タスリスエントロピーに基づく均質性距離は、領域の類似性を効果的に捉えることで、より正確な領域統合に寄与する。
• 希望する領域数に基づく停止条件により、制御可能で予測可能なセグメンテーション結果が得られる。
• 最終段階のピクセル単位の境界決定処理により、エッジの正確性が向上し、より鋭く正確なセグメンテーション境界が得られる。