[論文レビュー] Evolutionary Optimisation Methods for Template Based Image Registration

Lukasz Machowski, Tshilidzi Marwala|arXiv (Cornell University)|May 11, 2007

Advanced Vision and Imaging参考文献 9被引用数 5

ひとこと要約

本稿では、テンプレートベースの画像登錻に適した4つの最適化手法—遺伝的アルゴリズム（GA）、シミュレーテッド・アニーリング（SA）、粒子群最適化（PSO）、ネルダー・ミード単体法—を評価している。水平方向、垂直方向、スケーリングパラメータにおける誤差最小化を提案し、SAが最も正確で、GAが最も精度が高く、PSOはバランスの取れた代替手段であり、単体法は局所最適解に陥りやすい。改善のためには事前処理と離散最適化が推奨される。

ABSTRACT

This paper investigates the use of evolutionary optimisation techniques to register a template with a scene image. An error function is created to measure the correspondence of the template to the image. The problem presented here is to optimise the horizontal, vertical and scaling parameters that register the template with the scene. The Genetic Algorithm, Simulated Annealing and Particle Swarm Optimisations are compared to a Nelder-Mead Simplex optimisation with starting points chosen in a pre-processing stage. The paper investigates the precision and accuracy of each method and shows that all four methods perform favourably for image registration. SA is the most precise, GA is the most accurate. PSO is a good mix of both and the Simplex method returns local minima the most. A pre-processing stage should be investigated for the evolutionary methods in order to improve performance. Discrete versions of the optimisation methods should be investigated to further improve computational performance.

研究の動機と目的

• テンプレートベースの画像登錻における精度と正確性の向上を目的とした進化的最適化手法の評価。
• 遺伝的アルゴリズム（GA）、シミュレーテッド・アニーリング（SA）、粒子群最適化（PSO）、ネルダー・ミード単体法の各手法が、テンプレートをシーン画像に登錻する際の性能を比較すること。
• 収束性、頑健性、計算効率の観点から、各手法の長所と短所を特定すること。
• 進化的手法の性能を向上させるための改善策、例えば進化的手法における事前処理や離散的最適化のバリエーションの検討。

提案手法

• 最適化の目的関数として、テンプレートとシーンの対応関係を測る誤差関数を定義する。
• 遺伝的アルゴリズムは、選択、交叉、変異演算子を用いて、並進およびスケーリングパラメータの集合からなる集団を進化させる。
• シミュレーテッド・アニーリングは、温度スケジュールに従う確率的探索を用い、局所最適解を脱出し、パラメータ空間を探索する。
• 粒子群最適化は、探索空間内での個々の最良解とグローバル最良解に基づいて、粒子の位置を更新する。
• ネルダー・ミード単体法は、パラメータ点の単体を用いた直接探索を実行し、反射、拡張、収縮操作に依存する。
• 最適化手法の収束を改善するために、初期の開始点を選択するための事前処理ステージを適用する。

実験結果

リサーチクエスチョン

• RQ1 テンプレートベースの画像登錻において、異なる進化的最適化手法は、正確性と精度の観点でどのように比較されるか？
• RQ2 シミュレーテッド・アニーリング、遺伝的アルゴリズム、粒子群最適化、ネルダー・ミード単体法は、登錻誤差を最小化する上で、それぞれどのように性能を発揮するか？
• RQ3 初期の開始点の選択が、収束性と解の品質に与える影響はどの程度か？
• RQ4 進化的手法は、ネルダー・ミード単体法のような従来の局所最適化手法に比べて、局所最適解を回避する点でどの程度優れているか？
• RQ5 この文脈において、進化的手法の性能を向上させるためにどのような改善が可能か？

主な発見

• シミュレーテッド・アニーリングは、最適な登錻パラメータを特定する上で、最も高い正確性を示した。
• 遺伝的アルゴリズムは、グローバル最適解に近い解を一貫して見つけることができ、最も高い精度を達成した。
• 粒子群最適化は、良好な正確性と精度の両方を兼ね備えたバランスの取れた性能を発揮した。
• ネルダー・ミード単体法は、頻繁に局所最適解に収束する傾向にあり、この問題に対しては限界があることが示された。
• 進化的最適化手法の性能を向上させるために、初期の開始点を選択するための事前処理が推奨される。