[論文レビュー] Image Registration Techniques: A Survey

Sayan Nag|arXiv (Cornell University)|Jan 1, 2017

Medical Image Segmentation Techniques参考文献 62被引用数 19

ひとこと要約

本調査は、分類基準、変換モデル、性能指標に基づいて分類された画像登錻技術について包括的なレビューを提供する。相互情報量と相関係数が主な類似性測定指標として強調され、マルチモodalおよび非線形登錻における課題が指摘され、特徴ベースおよび最適化ベースのアプローチが、医療画像、リモートセンシング、コンピュータビジョン応用分野における正確性と頑健性の向上に不可欠であるとされている。

ABSTRACT

Image Registration is the process of aligning two or more images of the same scene with reference to a particular image. The images are captured from various sensors at different times and at multiple view-points. Thus to get a better picture of any change of a scene/object over a considerable period of time image registration is important. Image registration finds application in medical sciences, remote sensing and in computer vision. This paper presents a detailed review of several approaches which are classified accordingly along with their contributions and drawbacks. The main steps of an image registration procedure are also discussed. Different performance measures are presented that determine the registration quality and accuracy. The scope for the future research are presented as well.

研究の動機と目的

• 異なる応用分野における既存の画像登錻技術を体系的かつ分類的にレビューすること。
• マルチモダリティ、非線形、および隠蔽ありの画像登錻における主な課題を特定すること。
• 相互情報量や相関係数といった性能指標を評価し、登錻精度を測定すること。
• 特徴検出、マッチング、変換モデル推定が頑健な登錻を達成するために果たす役割を分析すること。
• 今後の研究方向性、特にハイブリッド手法やモダリティに依存しない特徴量を強調すること。

提案手法

• 次元性（2D-2D、2D-3D、3D-3D）、分野（グローバルまたはローカル）、変換タイプ（剛体、アフィン、射影、非線形）、登錻品質に基づいて画像登錻技術を分類する。
• 標準的な画像登錻パイプライン（特徴検出、特徴マッチング、変換モデル推定、画像変換）を概説する。
• 幾何的変換のための数学的モデルを適用し、それぞれに翻訳（式1）、回転（式2）、スケーリング（式3）、およびシアー（式4）を含む。
• モノモダリティ登錻には相関係数（式5）を、マルチモダリティ登錻には相互情報量（式6）を含む類似性測定指標を採用する。
• 最適な変換パラメータを推定するために、遺伝的アルゴリズム、粒子群最適化、微分進化といった最適化ヒューリスティクスを活用する。
• 定量的指標を用いて登錻品質を評価し、画像モダリティおよび変形特性に応じたその適正性について議論する。

実験結果

リサーチクエスチョン

• RQ1 画像登錻技術の主な分類基準は何であり、それらが手法選定にどのように影響を与えるか？
• RQ2 ノイズや変形が存在する状況下で、特徴検出とマッチングは画像登錻の正確性と頑健性にどのように寄与するか？
• RQ3 モノモダリティとマルチモダリティ登錻において、相関係数や相互情報量といった類似性測定指標の長所と短所は何か？
• RQ4 最適化ヒューリスティクスは、複雑な登錻タスクにおける変換パラメータ推定をどのように改善するか？
• RQ5 非線形、マルチモダリティ、および隠蔽ありの画像における頑健な登錻を達成するにあたり、主な課題は何か？今後の研究で最も有望な方向性は何か？

主な発見

• 相互情報量（MI）は、強度の非線形性に対処できる能力があるため、特に医療画像分野においてマルチモダリティ画像登錻で最も広く使用されている類似性測定指標である。
• 相関係数（CC）はモノモダリティ登錻において優れた性能を示し、-1（逆相関）から1（完全相関）までの値をとり、一貫した画像取得条件下で効果的である。
• アフィン変換（翻訳、回転、スケーリング、シアー）はグローバル登錻に一般的に用いられ、それぞれのタイプに対して数学的表現が提示されている。
• 顕著な進展が見られても、画像コンテンツ、モダリティ、変形特性に依存するため、万能なゴールドスタンダードアルゴリズムは存在しない。
• MIと特徴ベース手法を組み合わせたハイブリッドアプローチは、複雑な登錻タスクにおける頑健性と信頼性の向上に寄与している。
• 今後の研究は、モダリティに依存しない特徴量と高度な最適化技術の開発に注力すべきであり、自動画像登錻の正確性と頑健性を向上させることを目指すべきである。