[論文レビュー] Detection of curved lines with B-COSFIRE filters: A case study on crack delineation

Nicola Strisciuglio, George Azzopardi+1 more|arXiv (Cornell University)|Jul 24, 2017

Retinal Imaging and Analysis参考文献 19被引用数 4

ひとこと要約

本稿では、ノイズのある画像における曲がりくねった細線および不完全な線を検出する脳にインspiredされたB-COSFIREフィルターパイプラインを提案する。Crack_PV14データセットにおいて、最先端の性能（F-measure = 0.865）を達成した。本手法は非線形フィルタリング、非最大値抑制、ヒステリシスしきい値処理、およびモルフォロジカルクロージングを組み合わせることで、舗装画像におけるひびわれのような曲線的構造をきめ細かく抽出する。

ABSTRACT

The detection of curvilinear structures is an important step for various computer vision applications, ranging from medical image analysis for segmentation of blood vessels, to remote sensing for the identification of roads and rivers, and to biometrics and robotics, among others. %The visual system of the brain has remarkable abilities to detect curvilinear structures in noisy images. This is a nontrivial task especially for the detection of thin or incomplete curvilinear structures surrounded with noise. We propose a general purpose curvilinear structure detector that uses the brain-inspired trainable B-COSFIRE filters. It consists of four main steps, namely nonlinear filtering with B-COSFIRE, thinning with non-maximum suppression, hysteresis thresholding and morphological closing. We demonstrate its effectiveness on a data set of noisy images with cracked pavements, where we achieve state-of-the-art results (F-measure=0.865). The proposed method can be employed in any computer vision methodology that requires the delineation of curvilinear and elongated structures.

研究の動機と目的

• ノイズが多く複雑な画像における曲線的構造を一般化・頑健に検出できる検出器の開発。
• 現実世界の画像（舗装のひびわれなど）における細線、不完全線、ねじれの強い線の検出という課題に対処する。
• 手動による特徴工学を必要とせず、さまざまな線の形状や方向に一般化可能な、脳にインspiredされた学習可能なフィルタを活用する。
• 訓練に多数のアノテーションを必要とせず、ベンチマーク用ひびわれ検出データセットで最先端の性能を達成する。
• 線分離を含む多様なコンピュータビジョンタスクに適用可能な柔軟でモジュラーなパイプラインを提供する。

提案手法

• V1皮質の単純細胞を模倣した、学習可能な脳にインspiredされたフィルタであるB-COSFIREフィルタを用い、プロトタイプパターンから自動的に設定する。
• B-COSFIREを用いた非線形フィルタリングにより、特定の幅と方向性を持つ細長い曲線構造に選択的に応答する。
• 応答マップを単一画素幅の線に細くするために非最大値抑制を適用する。
• 強い応答に接続された弱い応答を保持することで連続性を向上させるために、ヒステリシスしきい値処理を適用する。
• 断線した線分を再接続し、小さなギャップを埋めるためにモルフォロジカルクロージングを実行する。
• パラメータσ₀とαを制御することで、線の形状のばらつきやノイズに対する耐性を向上させる。

実験結果

リサーチクエスチョン

• RQ1 学習可能な脳にインspiredされたフィルタアプローチは、ノイズのある画像における細線、不完全線、ねじれの強い曲線的線の検出で、従来手法を上回ることができるか？
• RQ2 B-COSFIREに基づくパイプラインは、現実世界の画像におけるノイズ、線分の不連続性、高いねじれに対してどれほど頑健か？
• RQ3 B-COSFIREフィルタの自動設定と表現学習により、手動による特徴工学の必要性はどの程度低減できるか？
• RQ4 提案されたパイプラインは、Crack_PV14のようなベンチマーク用ひびわれ検出データセットで最先端の性能を達成するか？
• RQ5 本手法は、曲線的構造検出を要する多様なコンピュータビジョンアプリケーションに一般化可能か？

主な発見

• 提案手法は、Crack_PV14データセットでF-measure 0.865という最先端の性能を達成し、既存手法を上回った。
• B-COSFIREフィルタはノイズに対して高い頑健性を示し、テストされた刺激において信号対雑音比（SNR）が低く3.56 dBでも安定した応答を示した。
• 不完全な線や非常にねじれた構造（例：1次元Gabor関数に従うもの）でさえ、顕著なノイズ下でも正常に検出できた。
• フィルタの学習可能で耐性のある設計により、線の幅や方向が変化しても高い精度を維持した。
• 200×300ピクセルの画像1枚あたりの平均処理時間は2.7 GHzプロセッサで0.3575秒であり、並列処理の可能性を有する。
• 線分の不連続性に対しても頑健であり、最大5°の角度ギャップを有する破線円形パターンについても一貫した検出が確認された。