[論文レビュー] Morphological Filtering in Shape Spaces: Applications using Tree-Based Image Representations

Yongchao Xu, Thierry Géraud+1 more|arXiv (Cornell University)|Apr 20, 2012

Medical Image Segmentation Techniques参考文献 8被引用数 55

ひとこと要約

本稿では、画像の構成要素を木構造グラフとして表現した形状空間に直接連結演算子を適用することで、形態的フィルタリングの新規フレームワークを提案する。形状木を重み付きグラフとみなして、その属性に形態的演算（例えばクロージング）を適用することにより、非増加属性に基づくレベルィングや自己双対形態的形状化といった高度なフィルタリングが可能となり、関連する対象を保持しながらノイズを抑制する点で、標準的なしきい値処理を凌駕する。

ABSTRACT

Connected operators are filtering tools that act by merging elementary regions of an image. A popular strategy is based on tree-based image representations: for example, one can compute an attribute on each node of the tree and keep only the nodes for which the attribute is sufficiently strong. This operation can be seen as a thresholding of the tree, seen as a graph whose nodes are weighted by the attribute. Rather than being satisfied with a mere thresholding, we propose to expand on this idea, and to apply connected filters on this latest graph. Consequently, the filtering is done not in the space of the image, but on the space of shapes build from the image. Such a processing is a generalization of the existing tree-based connected operators. Indeed, the framework includes classical existing connected operators by attributes. It also allows us to propose a class of novel connected operators from the leveling family, based on shape attributes. Finally, we also propose a novel class of self-dual connected operators that we call morphological shapings.

研究の動機と目的

• 木に基づく連結フィルタリングにおける標準的しきい値処理の限界を克服すること。これは、階層的に関連する対象を非増加属性のため保持できないことが原因である。
• 既存の連結演算子を画像ドメインではなく形状空間で操作することにより一般化すること。これにより、より柔軟で文脈に配慮したフィルタリングが可能となる。
• 2つの新しい形態的連結フィルタのクラスを導入すること：非増加基準に基づく形態的レベルィングと自己双対形態的形状化。
• 提案されたフレームワークが古典的な属性ベースのフィルタリングを包含しており、形状木におけるエネルギー関数の最小化によってより良い対象検出が可能になることを示すこと。

提案手法

• 入力画像を、ノードが連結成分に対応し、エッジが包含関係を符号化する成分木（例：最小木、最大木、または形状の木）として表現する。
• 各ノードに形状属性（例：円形度、慣性モーメント）を割り当て、形状空間を表すノード重み付きグラフを構築する。
• 属性の局所的最小値を特定するため、形状空間の最小木（TT）を構築する。これらは意味のある成分の候補に対応する。
• 形態的演算（特に属性値における形態的クロージング）を適用して最小木を簡略化し、誤検出された最小値を除去する。
• 簡略化された木からフィルタリングされた画像を再構築し、有意義な属性値を持つ成分のみを保持する。
• 得られた木を用いて、コンパクトネスや細長さなどの形状特徴を組み合わせたエネルギー関数の最小化により、対象を抽出する。

実験結果

リサーチクエスチョン

• RQ1 木構造の画像表現において、しきい値処理を超えて、形状空間に直接演算を適用することで、形態的フィルタリングを一般化できるか？
• RQ2 非増加形状属性を効果的に連結フィルタリングに活用することで、階層的に関連する対象を保持できるか？
• RQ3 既存の属性ベースのフィルタリング手法と比較して、自己双対形態的形状化の性質と利点は何か？
• RQ4 複数の形状属性を統合した一貫した形態的フレームワークを用いることで、提案されたフレームワークが対象検出を向上できるか？

主な発見

• 提案されたフレームワークは、形状空間で動作させることで、古典的な属性ベースのフィルタリングを一般化し、非増加属性下でもより頑健なフィルタリングを実現する。
• 自己双対連結フィルタである形態的形状化は、属性が単調でない場合でも関連する対象を効果的に保持し、標準的しきい値処理を上回る性能を示す。
• 対象検出において、形状木上で形状エネルギー関数を最小化することで意味のある成分を同定するが、円形度や I/A² などの属性を組み合わせることで結果が向上する。
• 実験では、消滅に基づく形状化が、しきい値処理が属性値の矛盾により失敗する場合（例：明るい円と暗い円の両方）でも、すべての望ましい対象を回復する。
• 複数の形状属性（例：円形度と I/A²）を組み合わせることで、フィルタリング性能が顕著に向上し、しきい値処理単体よりも形態的形状化が優れた結果を達成する。
• 本手法は汎用的かつ拡張可能である。任意の形状属性またはその組み合わせをサポートでき、最小木、最大木、形状の木のいずれに対しても適用可能であり、画像処理分野における広範な応用が可能である。