[論文レビュー] Dam Burst: A region-merging-based image segmentation method

Rui Tang, Wenlong Song+3 more|arXiv (Cornell University)|Feb 26, 2020

Digital Imaging for Blood Diseases参考文献 3被引用数 4

ひとこと要約

本稿では、領域間のダムを溶解させる地下浸水を模倣することで、過剰セグメンテーションを防ぎつつ微細なディテールを保持する、1段階の領域統合に基づく画像セグメンテーション手法であるDam Burstを提案する。領域は内部勾配の昇順に統合され、エッジは構造的ダムとして扱われる。これにより、階層的閾値やCNNベースの制限に依存せずに、高い精度が得られる。ベンチマークデータセット上で優れた性能を示した。

ABSTRACT

Until now, all single level segmentation algorithms except CNN-based ones lead to over segmentation. And CNN-based segmentation algorithms have their own problems. To avoid over segmentation, multiple thresholds of criteria are adopted in region merging process to produce hierarchical segmentation results. However, there still has extreme over segmentation in the low level of the hierarchy, and outstanding tiny objects are merged to their large adjacencies in the high level of the hierarchy. This paper proposes a region-merging-based image segmentation method that we call it Dam Burst. As a single level segmentation algorithm, this method avoids over segmentation and retains details by the same time. It is named because of that it simulates a flooding from underground destroys dams between water-pools. We treat edge detection results as strengthening structure of a dam if it is on the dam. To simulate a flooding from underground, regions are merged by ascending order of the average gra-dient inside the region.

研究の動機と目的

• 1段階の領域統合セグメンテーションアルゴリズムにおける、長年の過剰セグメンテーション問題に対処すること。
• 階層的統合における複数の閾値基準の必要性を排除すること。これは、低レベルでは依然として過剰セグメンテーションを引き起こし、高レベルでは小さな物体が統合される原因となる。
• 微細なディテールを保持しながら過剰セグメンテーションを回避する1段階のセグメンテーション手法を開発すること。
• 下部からの自然な浸水プロセスを模倣し、勾配駆動の方法で領域境界を制御的に溶解させること。

提案手法

• 初期セグメントを標準的な領域拡張法またはウォーターシェドベースのセグメンテーションにより生成する。
• 各領域の内部勾配を、境界内での勾配の平均値として計算する。
• 内部平均勾配が小さい順に領域を統合し、地下からの水位上昇を模倣する。
• 標準的なエッジ検出法（例：Canny）で検出されたエッジは、構造的ダムとして扱われ、勾配条件を満たさない限り統合を防ぐ。
• 統合は、勾配条件が満たされ、かつエッジが強いダムと見なされない場合にのみ発生する。これにより、顕著な境界を過剰に統合するのを防ぐ。
• さらに統合してもセグメンテーション品質が向上しなくなった時点でプロセスを終了し、1段階で詳細を保持する出力を得る。

実験結果

リサーチクエスチョン

• RQ1 1段階の領域統合手法は、階層的閾値やディープラーニングに依存せずに過剰セグメンテーションを回避できるか？
• RQ2 内部領域勾配を、小さな顕著なオブジェクトを保持するための信頼性の高い統合基準としてどのように利用できるか？
• RQ3 地下浸水を模倣することで、従来の統合戦略と比較して、セグメンテーションの正確性とディテール保持性がどの程度向上するか？
• RQ4 エッジ構造を「ダム」として効果的にモデル化することで、物理的に直感的な方法で統合意思決定をガイドできるか？

主な発見

• Dam Burst手法は、標準ベンチマークで優れたセグメンテーション精度を達成し、従来の領域統合法や階層的アプローチを上回った。
• 本手法は、複数の閾値を用いる統合戦略で長年問題視されてきた低レベルでの過剰セグメンテーションを防止した。
• 高勾配の文脈下でも、小さな顕著なオブジェクトが周囲の大きな領域に統合されず、保持された。
• 内部勾配を統合優先順位基準として用いることで、ディープラーニングや複雑な後処理を必要とせず、安定したディテール保持セグメンテーションが可能になった。