[論文レビュー] Grey Level Co-occurrence Matrix (GLCM) Based Second Order Statistics for Image Texture Analysis

Abdul Rasak Zubair, Oluwaseun Adewunmi Alo|arXiv (Cornell University)|Mar 6, 2024

Medical Image Segmentation Techniques被引用数 22

ひとこと要約

この論文は GLCM および GLDV に基づく二次統計量を、3方向で 24 枚のテスト画像について計算し、テクスチャ特徴とそれらの関係を調べる。滑らかさと方向がテクスチャ指標に与える影響を分析し、コントラストとの顕著な相関を報告する。

ABSTRACT

Grey Level Co-occurrence Matrix and Grey Level Difference Vector are described and computed for twenty four 128 x 128 x 3 test images along horizontal, vertical and diagonal directions. Second order image statistics such as Contrast, Dissimilarity, Homogeneity (Inverse Difference Moment), Angular Second Moment, Energy, Maximum Probability, Entropy, Mean, Standard Deviation and Correlation are computed and studied. Grey Level Co-occurrence Matrix (GLCM) and Grey Level Difference Vector (GLDV) are described and computed for twenty four 128 x 128 x 3 test images along horizontal, vertical and diagonal directions. Second order image statistics such as Contrast, Dissimilarity, Homogeneity (Inverse Difference Moment), Angular Second Moment (ASM), Energy, Maximum Probability, Entropy, Mean, Standard Deviation and Correlation are computed and studied. The results show that smooth images have lower Contrast values and higher Probability of Occurrence of Difference of same range as rough images having higher Contrast values and lower Probability of Occurrence. The degree of smoothness or roughness of an image may not be exactly the same along horizontal, vertical and diagonal directions. There are significant correlation between Dissimilarity & Contrast, Homogeneity & Contrast, Entropy & Contrast, Energy & Contrast, Standard Deviation & Contrast, Correlation & Contrast, and Probability of Occurrence of Difference of 0-19 & Contrast with correlation coefficients of 0.9322, -0.5011, 0.6681, -0.4255, -0.4914, 0.5428, and -0.8346 respectively.

研究の動機と目的

• 3 チャンネル画像のテクスチャ解析における GLCM および GLDV の利用を動機づける。
• GLCM および GLDV の標準的な二次統計量（例：Contrast, Dissimilarity, Homogeneity, ASM, Energy, Entropy, Mean, SD, Correlation）を計算する。
• 方向（水平、垂直、対角線）ごとにテクスチャの滑らかさ/粗さの変化を調査する。
• テクスチャ指標間の関係を探り、顕著な相関を報告する。

提案手法

• 128 x 128 x 3 サイズの 24 枚の画像に対して Grey Level Co-occurrence Matrix (GLCM) および Grey Level Difference Vector (GLDV) を計算する。
• 3 方向（水平・垂直・対角線）で評価する。
• 二次統計量を抽出する： Contrast, Dissimilarity, Homogeneity (Inverse Difference Moment), ASM, Energy, Maximum Probability, Entropy, Mean, Standard Deviation, and Correlation.
• GLCM および GLDV の統計量を方向ごとに計算・比較する。
• Metrics 間の観察された相関を報告する。例：A と B、0-19 difference のコントラストとの相関など。

実験結果

リサーチクエスチョン

• RQ1 テクスチャ解析のために GLCM 推定の二次統計量は水平、垂直、対角線方向でどのように変化するか？
• RQ2 テクスチャの滑らかさ/粗さと計算された統計量（例：Contrast, Entropy, Correlation）との関係は？
• RQ3 どのテクスチャ指標の組み合わせが有意な相関を示し、テクスチャ特性の説明に役立つか？

主な発見

• 滑らかな画像は typically低い Contrast 値と同じ範囲の差の出現確率が高い。
• 粗い画像は高い Contrast を示し、同一範囲の出現確率が低くなる。
• 有意な相関として以下が観測される：Dissimilarity & Contrast (0.9322)、Homogeneity & Contrast (−0.5011)、Entropy & Contrast (0.6681)、Energy & Contrast (−0.4255)、SD & Contrast (−0.4914)、Correlation & Contrast (0.5428)、そして Probability of Occurrence of Difference 0-19 & Contrast (−0.8346)。
• 滑らかさ/粗さの程度は方向（水平、垂直、対角線）によって変動しうる。