[論文レビュー] Comparing Cross Correlation-Based Similarities

Luciano da Fontoura Costa|arXiv (Cornell University)|Nov 8, 2021

Neural Networks and Applications参考文献 22被引用数 7

ひとこと要約

本稿では、テンプレートマッチングにおける古典的相互相関と比較して、実数値のジャカード係数および一致係数を用いたマルチセットベースの相互相関手法を提案し、体系的に比較している。一致係数に基づく手法は、ノイズ下でも特に鋭く狭いピークを生成し、二次的マッチングを抑制する点で他の手法を上回っている。高ノイズ環境下でのロバストネスを向上させるために、古典的相互相関を最初に適用するハイブリッド手法も提案されている。

ABSTRACT

The real-valued Jaccard and coincidence indices, in addition to their conceptual and computational simplicity, have been verified to be able to provide promising results in tasks such as template matching, tending to yield peaks that are sharper and narrower than those typically obtained by standard cross-correlation, while also attenuating substantially secondary matchings. In this work, the multiset-based correlations based on the real-valued multiset Jaccard and coincidence indices are compared from the perspective of template matching, with encouraging results which have implications for pattern recognition, deep learning, and scientific modeling in general. The multiset-based correlation methods, and especially the coincidence index, presented remarkable performance characterized by sharper and narrower peaks while secondary peaks were attenuated, which was maintained even in presence of intense levels of noise. In particular, the two methods derived from the coincidence index led to particularly interesting results. The cross correlation, however, presented the best robustness to symmetric additive noise, which suggested a new combination of the considered approaches. After a preliminary investigation of the relative performance of the multiset approaches, as well as the classic cross-correlation, a systematic comparison framework is proposed and applied for the study of the aforementioned methods. Several results are reported, including the confirmation, at least for the considered type of data, of the coincidence correlation as providing enhanced performance regarding detection of narrow, sharp peaks while secondary matches are duly attenuated. The combined method also resulted promising for dealing with signals in presence of intense additive noise.

研究の動機と目的

• テンプレートマッチングにおける実数値のジャカード係数および一致係数を用いたマルチセットベースの相互相関手法と古典的相互相関を、定量的に評価・比較すること。
• さまざまなレベルの加法的ノイズ下でのこれらの手法のロバストネスを評価すること。
• 類似度検出が重要なパターン認識およびディープラーニング応用において最適な設定を同定すること。
• 古典的相互相関とマルチセットベースのインデックスを組み合わせたハイブリッド手法を提案し、高ノイズ環境下での性能向上を図ること。
• 複数の指標を用いた相互相関性能の体系的比較フレームワークを確立すること。

提案手法

• 実数値のマルチセットジャカード係数および一致係数を適応し、信号類似度検出のための新しい相互相関演算を定義する。
• 合成信号および実信号データを用いて、これらの類似度ベースの相互相関をテンプレートマッチングタスクに適用する。
• 古典的相互相関を最初に適用して信号をノイズ除去した後、マルチセットベースの相互相関を適用するハイブリッド手法を導入する。
• ピークの鋭さ、二次ピークの減衰、ノイズ耐性といった複数の定量的指標を用いた体系的性能比較フレームワークを採用する。
• パーセプトラル・コンポonent分析（PCA）を用いて、複数の手法間での性能結果の感受性および分散を可視化・比較する。
• ピーク幅、メインピークの信号対雑音比、二次ピークの抑制比といった性能インデックスを定義し、客観的な手法順位付けを実施する。

実験結果

リサーチクエスチョン

• RQ1 ジャカード係数および一致係数を用いたマルチセットベースの相互相関手法は、古典的相互相関と比較して、ピークの鋭さおよび二次ピーク抑制の点でどのように異なるか？
• RQ2 高レベルの加法的ノイズ下で、各手法の相対的なロバストネスはどの程度か？
• RQ3 古典的相互相関とマルチセットベースの手法を組み合わせることで、ノイズ環境下での性能向上が達成できるか？
• RQ4 マルチセットベースの手法であるジャカード係数と一致係数のうち、どちらがテンプレートマッチングにおいて優れた総合的性能を示すか？
• RQ5 これらの手法の性能特性は、異なる信号タイプおよびノイズレベルの下でどのように変化するか？

主な発見

• 一致係数に基づく相互相関手法は、実数値ジャカードおよび古典的相互相関手法を著しく上回り、最も鋭く狭いメインピークを生成した。
• 一致係数手法では二次的マッチングピークが著しく減衰しており、真のマッチングと偽のマッチングの区別が優れていることが示された。
• 古典的相互相関は、対称的な加法的ノイズ下でも特に高ノイズレベルで最高のロバストネスを示した。
• 提案されたハイブリッド手法（古典的相互相関をマルチセットベース手法の前に適用）は、高ノイズ環境下で特に滑らかなテンプレートに対して性能が向上した。
• 主成分分析により、一致係数およびジャカード手法は性能空間においてより高い分散を示しており、信号形状およびノイズ変動に対する感受性が高まっていることが明らかになった。
• 結果から、特に一致係数を用いたマルチセットベースの相互相関は、優れたピーク分解能およびノイズに配慮した抑制機能を備えており、パターン認識およびディープラーニングの文脈において古典的相互相関の有効な代替手段であることが確認された。