[論文レビュー] Combinatorial Ricci Curvature and Laplacians for Image Processing

Emil Saucan, Eli Appleboilm+2 more|arXiv (Cornell University)|Mar 23, 2009

Medical Image Segmentation Techniques参考文献 1被引用数 10

ひとこと要約

本稿は、重み付き細胞複体におけるフォーマンの離散微分幾何学に基づき、グレースケール画像のための新しい組み合わせ的リッチィ曲率およびラプラシアン枠組みを導入する。2次元および3次元の画像データにおける内在的で離散的な曲率および拡散解析を可能にし、優れたエッジ検出性能を示し、医療画像処理やセグメンテーションへのリッチィフローに基づく画像処理への応用可能性も示す。

ABSTRACT

A new Combinatorial Ricci curvature and Laplacian operators for grayscale images are introduced and tested on 2D synthetic, natural and medical images. Analogue formulae for voxels are also obtained. These notions are based upon more general concepts developed by R. Forman. Further applications, in particular a fitting Ricci flow, are discussed.

研究の動機と目的

• 滑らかな微分幾何学の近似を避けることにより、グレースケール画像のための離散的で内在的なリッチィ曲率およびラプラシアンの概念を構築すること。
• フォーマンの組み合わせ的リッチィ曲率を3次元ボクセルベースの画像（ボリュームデータ）に拡張し、MRI や CT などの医療画像モodalities の解析を可能にすること。
• 離散的画像処理と滑らかな幾何的フロー（特にリッチィフロー）の間の理論的かつ計算的ブリッジを確立すること。
• 組み合わせ的ラプラシアンが、アップサンプリングおよびダウンサンプリングなどの拡散プロセスを可能にするように、鋭いエッジ検出に有効であることを示すこと。
• 画像複体におけるコhomologyに基づく画像解析および離散的リッチィフローの今後の探求の基盤を築くこと。

提案手法

• グレースケール画像を表す重み付き2次元および3次元の細胞複体に、フォーマンの組み合わせ的リッチィ曲率およびボッハナー・ラプラシアン形式を適応する。
• ピクセル強度および局所的近傍構造から導かれる幾何的重みを用いて、エッジベースのリッチィ曲率を定義する。
• 2種類の異なるラプラシアンを導入する：組み合わせ的（フォーマン）ラプラシアンおよびボッハナー（粗い）ラプラシアンで、両者ともエッジ上で作用する。
• ピクセル／ボクセルのアップサンプリング（例：1×1ピクセルを1/2×1/2のサブピクセルに分割）およびダウンサンプリング（例：2×2または3×3ピクセルの統合）を用いた「組み合わせ的拡散」プロセスを適用する。
• エッジ長の変化を用いた離散的リッチィフローを提案する：∂l_ij/∂t = -2·Ric(e_ij)，ここで l_ij はエッジ長、Ric(e_ij) は組み合わせ的リッチィ曲率である。
• 代数的位相幾何学を用いてラプラシアンとコホモロジー群を結びつけ、画像データからの位相的特徴抽出を可能にする。

実験結果

リサーチクエスチョン

• RQ1 滑らかな近似に依存せずに、画像の幾何的構造を反映する離散的で内在的なリッチィ曲率をグレースケール画像に定義できるか？
• RQ2 2次元および3次元の画像データにおいて、組み合わせ的ラプラシアンとボッハナー・ラプラシアンは、エッジおよび輪郭検出においてどのように比較されるか？
• RQ3 提案された組み合わせ的リッチィ曲率は、画像の進化および処理に意味のある離散的リッチィフローを支えることができるか？
• RQ4 画像処理タスクにおいて、組み合わせ的拡散（アップサンプリング／ダウンサンプリング）が曲率およびラプラシアン値に与える影響は何か？
• RQ5 組み合わせ的ラプラシアンは、画像データの位相的不変量（例：コホモロジー群）をどの程度まで推定できるか？

主な発見

• 組み合わせ的ラプラシアンおよびボッハナー・ラプラシアンは、画像内の鋭いエッジを効果的に検出でき、特にボッハナー・ラプラシアンは高曲率特徴に対して優れた感度を示す。
• 提案手法は3次元ボクセルにまで成功して拡張可能であり、軸方向の脳画像などのボリューム医療画像の曲率解析を可能にする。
• 1/2または1/3ピクセル分割による組み合わせ的拡散は、曲率およびラプラシアン構造を保持するが、9ピクセルの統合では劣った結果となる。
• 理論的および実験的結果により、組み合わせ的ラプラシアンが画像複体のコホモロジーと密接に関連していることが確認され、位相的画像解析が可能になる。
• エッジ長の進化 ∂l_ij/∂t = -2·Ric(e_ij) を用いた離散的リッチィフローが提案され、画像平滑化およびセグメンテーションの新たな道筋が示される。
• 合成画像、自然画像、医療画像に対する実験結果により、本手法の強靭性および多様な画像モダリティへの適用可能性が検証された。