[論文レビュー] Local regularity, wavelet leaders and total variation based procedures for texture segmentation

Nelly Pustelnik, Herwig Wendt+2 more|arXiv (Cornell University)|Apr 22, 2015

Medical Image Segmentation Techniques参考文献 57被引用数 4

ひとこと要約

本稿では、局所的正則性推定におけるバイアス・バリアンスのトレードオフを解消するために、ウェーブレット・リーダーを用いた局所的正則性推定と、全変動（total variation）に基づく変分式を組み合わせた新しいテクスチャセグメンテーション手法を提案する。マルチスケールのウェーブレット・リーダーと近接最適化を活用することで、合成および実世界のテクスチャにおいて、局所化精度とロバスト性が向上した正確な変化検出が達成される。

ABSTRACT

Texture segmentation constitutes a standard image processing task, crucial to many applications. The originality of the present approach resides in the combination of three key ingredients: First, texture characterization relies on the concept of local regularity ; Second, estimation of local regularity is based on new multiscale quantities referred to as wavelet leaders ; Third, segmentation from local regularity faces a fundamental bias variance trade-o: In nature, local regularity estimation shows high variability that impairs the detection of changes, while a posteriori smoothing of regularity estimates precludes from locating correctly changes. Instead, the present contribution proposes several variational problem formulations based on total variation and proximal resolutions that eectively circumvent this trade-o. Performances of the proposed procedures are quantied and compared on synthetic as well as realworld textures.

研究の動機と目的

• テクスチャセグメンテーションにおける局所的正則性推定における根本的なバイアス・バリアンスのトレードオフを解決すること。
• 正則性推定のばらつきを低減することで、テクスチャ境界の精度と局所化を向上させること。
• エッジをぼかさずに局所的正則性マップを効果的に正則化する全変動に基づく変分式を構築すること。
• テクスチャの特徴記述に耐性のある局所的正則性の測定としてウェーブレット・リーダーを統合すること。
• 提案手法の性能を合成および実世界のテクスチャデータセット上で評価・比較すること。

提案手法

• 本手法は、ウェーブレット係数から導出されるマルチスケール量であるウェーブレット・リーダーを用いて、画像の各位置における局所的正則性を推定する。
• 局所的正則性は、 Hölder 正則性の尺度として計算され、複数スケールでのテクスチャの粗さと滑らかさを捉える。
• 推定された正則性マップを正則化するための全変動に基づくエネルギー汎関数を最小化する変分フレームワークを導入する。
• 近接アルゴリズムを用いて、最適化問題を効率的に解き、エッジのシャープさを保持する。
• 推定された正則性への忠実性と滑らかさ制約のバランスをとることで、ノイズの増幅を最小限に抑えつつ構造的詳細を保持する。
• 正則化後の正則性マップをしきい値処理することでセグメンテーションを実行し、テクスチャ領域の明確な分離を実現する。

実験結果

リサーチクエスチョン

• RQ1 ウェーブレット・リーダーは、どのようにテクスチャ画像における局所的正則性を効果的に推定できるか？
• RQ2 全変動正則化は、テクスチャ境界をぼかさずに、局所的正則性推定の分散をどの程度低減できるか？
• RQ3 提案された変分式は、標準的な正則化手法に比べて、テクスチャ遷移の検出において優れた性能を示すか？
• RQ4 提案手法は、合成および実世界の画像を含む多様なテクスチャタイプにおいて、どのように性能を発揮するか？
• RQ5 パラメータの異なる選択が、セグメンテーションの精度とロバスト性に与える影響は何か？

主な発見

• ウェーブレット・リーダーに基づく正則性推定は、テクスチャの粗さと滑らかさを感受性高く、マルチスケールで特徴づけることができる。
• 全変動に基づく変分式は、バイアス・バリアンスのトレードオフを効果的に緩和し、より信頼性の高い正則性マップを生成する。
• 近接ソルバーにより、効率的かつ安定した最適化が可能となり、正則化過程で微細なテクスチャディテールが保持される。
• 合成テクスチャにおいて、特に微細な遷移を検出する点で、優れたセグメンテーション精度を達成する。
• 実世界のテクスチャデータセットでは、さまざまなテクスチャパターンやノイズレベルに対しても、頑健な性能を示す。
• 定量的比較により、ベースライン手法に比べて F1 スコアと境界局所化精度が向上していることが示された。