[論文レビュー] Edge Detection: A Collection of Pixel based Approach for Colored Images

Bashir Olaniyi Sadiq, S. M. Saniul Islam Sani+1 more|arXiv (Cornell University)|Mar 19, 2015

Industrial Vision Systems and Defect Detection参考文献 5被引用数 7

ひとこと要約

本稿では、グレースケール変換を回避するため、段階的および段差的エッジ特性を用いてエッジプロファイルをモデル化するピクセルベースのエッジ検出手法を提案する。エッジの不正確さを低減するためにベクトル順序統計を統合し、Pratt図の優位性（PFOM）が0.8480に達する。従来のグレースケール変換によるエッジ劣化を避けることで、従来手法に比して精度が向上している。

ABSTRACT

The existing traditional edge detection algorithms process a single pixel on an image at a time, thereby calculating a value which shows the edge magnitude of the pixel and the edge orientation. Most of these existing algorithms convert the coloured images into gray scale before detection of edges. However, this process leads to inaccurate precision of recognized edges, thus producing false and broken edges in the image. This paper presents a profile modelling scheme for collection of pixels based on the step and ramp edges, with a view to reducing the false and broken edges present in the image. The collection of pixel scheme generated is used with the Vector Order Statistics to reduce the imprecision of recognized edges when converting from coloured to gray scale images. The Pratt Figure of Merit (PFOM) is used as a quantitative comparison between the existing traditional edge detection algorithm and the developed algorithm as a means of validation. The PFOM value obtained for the developed algorithm is 0.8480, which showed an improvement over the existing traditional edge detection algorithms.

研究の動機と目的

• 従来のエッジ検出法における色画像のグレースケール変換が引き起こす不正確さおよび誤検出・途切れエッジを是正すること。
• エッジ検出中に色情報を保持することでエッジの正確性を向上させること。
• 段階的および段差的エッジプロファイルに基づくピクセル集約モデルを構築し、エッジ表現を向上させること。
• ベクトル順序統計を統合して、色画像におけるエッジ検出の不正確さを低減すること。
• 定量的比較のため、Pratt図の優位性（PFOM）を用いて提案手法を検証すること。

提案手法

• 本手法は、段階的および段差的エッジ特性に基づいてピクセルの集約をモデル化し、色画像におけるエッジ構造をよりよく表現する。
• 色成分を直接処理することでグレースケール変換を回避し、彩度情報を保持する。
• ノイズ低減とエッジ局所化の向上のため、色ピクセル集約にベクトル順序統計を適用する。
• 多チャンネル色空間におけるエッジの大きさと方向性を捉えるプロファイルモデリング方式を採用する。
• エッジ検出の精度を評価する標準指標として、Pratt図の優位性（PFOM）を用いる。
• 同じベンチマーク画像を用いて、従来のグレースケールベースエッジ検出アルゴリズムと本手法を比較する。

実験結果

リサーチクエスチョン

• RQ1 グレースケール変換を回避することで、色画像におけるエッジ検出の正確性にどのような影響を与えるか？
• RQ2 段階的および段差的エッジに基づくピクセル集約モデルは、誤検出および途切れエッジを低減できるか？
• RQ3 ベクトル順序統計は、色画像処理におけるエッジの正確性をどの程度向上させるか？
• RQ4 提案手法は、従来のエッジ検出アルゴリズムに比べて、定量的にどの程度の性能向上を達成するか？
• RQ5 色情報を保持することで、エッジ検出品質に測定可能な向上が見られるか？

主な発見

• 提案手法は、Pratt図の優位性（PFOM）が0.8480に達し、高いエッジ検出正確性を示した。
• PFOMの結果から、グレースケール変換に依存する従来のエッジ検出アルゴリズムに比べて明確な改善が確認された。
• 処理中に色情報を保持することで、誤検出および途切れエッジが効果的に低減された。
• ベクトル順序統計の統合により、ノイズや強度変動の影響下でもエッジの正確性が顕著に向上した。
• 段階的および段差的エッジに基づくピクセル集約モデルは、色画像におけるエッジ特性を効果的に捉えた。
• 結果から、色認識エッジ検出が、定量的指標の観点から従来のグレースケールベース手法を上回ることが確認された。