[論文レビュー] Image Segmentation using Multi-Threshold technique by Histogram Sampling

Amit Gurung, Sangyal Lama Tamang|arXiv (Cornell University)|Sep 11, 2019

Advanced Image and Video Retrieval Techniques参考文献 33被引用数 4

ひとこと要約

本稿では、ヒストグラムの谷底をサンプリングし、等分割することで均一な分布を確保するヒューリスティックなマルチスレッショルド画像セグメンテーション手法AMTISを提案する。この手法は、Otsu法と比較して最大35.58倍の高速化を達成しながら、PSNR、SSIM、FSIMの指標を用いた標準ベンチマークでの検証により、同等またはより優れたセグメンテーション品質を維持している。

ABSTRACT

The segmentation of digital images is one of the essential steps in image processing or a computer vision system. It helps in separating the pixels into different regions according to their intensity level. A large number of segmentation techniques have been proposed, and a few of them use complex computational operations. Among all, the most straightforward procedure that can be easily implemented is thresholding. In this paper, we present a unique heuristic approach for image segmentation that automatically determines multilevel thresholds by sampling the histogram of a digital image. Our approach emphasis on selecting a valley as optimal threshold values. We demonstrated that our approach outperforms the popular Otsu's method in terms of CPU computational time. We demonstrated that our approach outperforms the popular Otsu's method in terms of CPU computational time. We observed a maximum speed-up of 35.58x and a minimum speed-up of 10.21x on popular image processing benchmarks. To demonstrate the correctness of our approach in determining threshold values, we compute PSNR, SSIM, and FSIM values to compare with the values obtained by Otsu's method. This evaluation shows that our approach is comparable and better in many cases as compared to well known Otsu's method.

研究の動機と目的

• Otsu法のような従来の方法と比較して高い計算コストを回避する、高速で効率的なマルチスレッショルド画像セグメンテーション技術の開発。
• 画像ヒストグラムの谷底を特定することで、ヒューリスティックなサンプリング戦略を用いて最適なスレッショルド値を自動的に決定すること。
• 特にマルチレベルスレッショルド処理において、セグメンテーション品質を損なわず計算効率を向上させること。
• 特にリアルタイム処理やリソース制限のある環境向けに、スケーラブルで実装可能なOtsu法の代替手法を提供すること。
• PSNR、SSIM、FSIMといった既存の指標と計算時間の両面で、手法の性能を標準ベンチマーク上で検証すること。

提案手法

• まず、画像の強度ヒストグラムにおけるすべての局所的最小値（谷底）を特定するために勾配降下法を適用する。
• ヒストグラムを等サイズの領域に分割し、各領域における最小周波数を特定することで、候補となるスレッショルド値を生成する。
• 候補スレッショルドがヒストグラム全体に均等に分布するように選択することで、同じ領域内に複数の局所的谷が存在する場合の重複を低減する。
• 選択されたスレッショルドに基づいてピクセルをグループ化するためのナイーブクラスタリング手法を用い、最終的なスレッショルド値は谷底ポイントに重点を置く。
• アルゴリズムは谷底ポイントを最適スレッショルドとして優先し、画像領域間の自然なセグメンテーション境界を実現することを目的とする。
• 手法はMATLABで実装され、標準的な画像ベンチマークを用いて評価されており、計算時間と品質指標の両面でOtsu法と比較されている。

実験結果

リサーチクエスチョン

• RQ1 計算コストの高い最適化に依存せずに、ヒストグラムのサンプリングに基づくアプローチがマルチレベルスレッショルドを効率的かつ自動的に決定できるか。
• RQ2 さまざまな画像ベンチマークにおいて、提案手法はOtsu法と比較してどの程度高速化できるか。
• RQ3 PSNR、SSIM、FSIMで測定したセグメンテーション品質は、Otsu法と同等か、それ以上であるか。
• RQ4 ヒストグラム全体にわたる候補スレッショルドの均一な分布が、セグメンテーションの安定性を向上させ、局所的ノイズへの過適合を低減できるか。
• RQ5 現在のナイーブクラスタリング手法の限界は何か。また、より高度なクラスタリング手法を導入することで性能は向上するか。

主な発見

• 提案手法AMTISは、標準画像ベンチマーク上でのOtsu法に比べ、最大35.58倍、最小10.21倍の高速化を達成しており、顕著な計算効率の向上を示している。
• すべてのテストベンチマークにおいて、AMTISはOtsu法よりもCPU計算時間で優れており、一貫した高速化が確認された。
• AMTISを用いたセグメンテーション結果は、人間の視認において明確で、Otsu法と同等またはそれ以上の品質を示しており、PSNR、SSIM、FSIMの指標でも同等または優れた結果が得られている。
• この手法は、ヒストグラムの谷底を的確に特定し、最適なスレッショルド候補として活用することで、自然なセグメンテーション境界を実現している。
• ナイーブクラスタリング手法の制限により、一部のベンチマークで最適スレッショルドの計算に失敗することがあり、より洗練されたクラスタリングヒューリスティクスの導入が求められる。
• Lena、Cameraman、Baboon、Finger-Printなどのベンチマークにおける可視化結果から、AMTISは明確なオブジェクト-バックグラウンド分離を実現し、人間が識別可能な高品質なセグメンテーションを生成している。