[論文レビュー] Color Image Segmentation using Adaptive Particle Swarm Optimization and Fuzzy C-means

Narayana Reddy A, Ranjita Das|arXiv (Cornell University)|Apr 18, 2020

Remote-Sensing Image Classification参考文献 3被引用数 5

ひとこと要約

本論文では、Fuzzy C-means (FCM) の初期条件やノイズに対する感受性を克服するため、適応的粒子群最適化（APSO）とFCMクラスタリングを組み合わせた新規なカラーマップセグメンテーション手法APSOFを提案する。APSOは、スワームの挙動に基づいて慣性重みと学習要因を動的に調整することで、クラスタの初期化を最適化し、標準的なFCMやPSOと比較して、分類精度と収束性が顕著に向上する。

ABSTRACT

Segmentation partitions an image into different regions containing pixels with similar attributes. A standard non-contextual variant of Fuzzy C-means clustering algorithm (FCM), considering its simplicity is generally used in image segmentation. Using FCM has its disadvantages like it is dependent on the initial guess of the number of clusters and highly sensitive to noise. Satisfactory visual segments cannot be obtained using FCM. Particle Swarm Optimization (PSO) belongs to the class of evolutionary algorithms and has good convergence speed and fewer parameters compared to Genetic Algorithms (GAs). An optimized version of PSO can be combined with FCM to act as a proper initializer for the algorithm thereby reducing its sensitivity to initial guess. A hybrid PSO algorithm named Adaptive Particle Swarm Optimization (APSO) which improves in the calculation of various hyper parameters like inertia weight, learning factors over standard PSO, using insights from swarm behaviour, leading to improvement in cluster quality can be used. This paper presents a new image segmentation algorithm called Adaptive Particle Swarm Optimization and Fuzzy C-means Clustering Algorithm (APSOF), which is based on Adaptive Particle Swarm Optimization (APSO) and Fuzzy C-means clustering. Experimental results show that APSOF algorithm has edge over FCM in correctly identifying the optimum cluster centers, there by leading to accurate classification of the image pixels. Hence, APSOF algorithm has superior performance in comparison with classic Particle Swarm Optimization (PSO) and Fuzzy C-means clustering algorithm (FCM) for image segmentation.

研究の動機と目的

• 標準的なFuzzy C-means (FCM) が初期クラスタ中心とノイズに対して感受性を示すという限界を解消すること。
• 従来のPSOの欠点を克服するため、適応的パrameterチューニングを導入して収束性とクラスタ品質を向上させること。
• APSOをFCMの優れた初期化手法として活用するハイブリッドフレームワークを構築し、より正確で頑健なセグメンテーションを実現すること。
• 標準的なFCMが満足のいく結果を出せない複雑なカラーマップにおいて、画像セグメンテーションの信頼性と性能を向上させること。

提案手法

• 最適化プロセス中にスワームの挙動に基づいて、慣性重みと認知的／社会的学習要因といった主要なハイパーパrameterを動的に調整するため、適応的粒子群最適化（APSO）を適用する。
• APSOで得られた最適化された粒子の位置を、Fuzzy C-means (FCM) クラスタリングアルゴリズムの初期クラスタ中心として使用する。
• FCMに改善された初期化を統合し、ファジィ所属度に基づいてピクセル分類を精緻化するとともに、クラスタ内分散を測る目的関数を最小化する。
• PSOの高速収束性とパラメータ数の少なさを活かしながら、適応的制御メカニズムによって性能を向上させる。
• FCMの目的関数を、ピクセルとクラスタ中心間の加重二乗距離の和として定式化し、ファジィ所属度を考慮する。
• 個々の最良位置とグローバル最良位置に基づいた速度と位置更新ルールに従い、APSOにおける粒子位置を反復的に更新する。この際、パrameterを適応的に調整する。

実験結果

リサーチクエスチョン

• RQ1 PSOにおける適応的パrameterチューニングが、カラーマップセグメンテーションにおけるFCMの初期化品質を顕著に向上させることができるか？
• RQ2 提案されたAPSOFフレームワークが、標準的なFCMやPSO-FCMと比較して、分類精度とノイズ耐性において優れているか？
• RQ3 APSOにおける慣性重みと学習要因の動的調整が、収束速度とクラスタ品質にどのように影響を与えるか？
• RQ4 従来のFCMと比較して、APSOFが初期クラスタ数や初期中心選択への依存度をどの程度低減できるか？
• RQ5 ハイブリッドAPSOFアプローチが、実世界のカラーマップにおいて視覚的に優れたかつより正確なセグメンテーション結果を生成できるか？

主な発見

• APSOは、適応的パrameter制御による初期化の向上のおかげで、標準的なFCMやPSO-FCMと比較して優れた分類精度を達成する。
• APSOは、探索空間を効果的に探索し、最適な構成に収束することで、FCMの初期クラスタ中心選択への感受性を低減する。
• 慣性重みと学習要因の適応的調整により、収束速度が向上し、最適化プロセスにおける早期収束を防ぐことができる。
• 実験結果から、APSOFはより正確で安定したクラスタ中心を生成し、カラーマップにおけるピクセル分類の精度が向上することが示された。
• 提案手法は、真の画像領域数を正しく特定し、セグメンテーション誤差を最小化する点で、FCMおよびPSO-FCMを上回った。
• 視覚的評価から、特にノイズが多いまたは複雑なカラーマップにおいて、APSOFはFCMよりも一貫性があり意味のあるセグメンテーション領域を生成することが確認された。