[論文レビュー] Polynomial time algorithms for bi-criteria, multi-objective and ratio problems in clustering and imaging. Part I: Normalized cut and ratio regions

Dorit S. Hochbaum|arXiv (Cornell University)|Mar 2, 2008

Medical Image Segmentation Techniques参考文献 20被引用数 3

ひとこと要約

この論文は、クラスタリングおよび画像セグメンテーションにおける正規化カット問題とレシオリージョン問題を最適に解く最初の多項式時間組合せ的アルゴリズムを提示する。両問題を導出されたグラフ上のパラメトリック最小 $s,t$-カット計算に還元することで、目的関数の相対的重み付けのすべての値において最適解と完全なネストド解の系列を効率的に計算する。スペクトル緩和ヒューリスティクスに比べ、最適性と効率性の両面で優れている。

ABSTRACT

Partitioning and grouping of similar objects plays a fundamental role in image segmentation and in clustering problems. In such problems a typical goal is to group together similar objects, or pixels in the case of image processing. At the same time another goal is to have each group distinctly dissimilar from the rest and possibly to have the group size fairly large. These goals are often combined as a ratio optimization problem. One example of such problem is the normalized cut problem, another is the ratio regions problem. We devise here the first polynomial time algorithms solving these problems optimally. The algorithms are efficient and combinatorial. This contrasts with the heuristic approaches used in the image segmentation literature that formulate those problems as nonlinear optimization problems, which are then relaxed and solved with spectral techniques in real numbers. These approaches not only fail to deliver an optimal solution, but they are also computationally expensive. The algorithms presented here use as a subroutine a minimum $s,t-cut procedure on a related graph which is of polynomial size. The output consists of the optimal solution to the respective ratio problem, as well as a sequence of nested solution with respect to any relative weighting of the objectives of the numerator and denominator. An extension of the results here to bi-criteria and multi-criteria objective functions is presented in part II.

研究の動機と目的

• 画像セグメンテーションおよびクラスタリングにおける二基準レシオ問題、特に正規化カットおよびレシオリージョン問題に対して、最適で多項式時間のアルゴリズムを開発すること。
• 部分的最適解をもたらし、計算コストの高いスペクトル緩和法の限界を克服すること。
• レシオ問題の最適解に加え、目的関数の相対的重み付けのすべての値に対する完全なネストド解の系列を提供すること。
• 第II部で拡張される、クラスタリングおよび画像処理における二基準および多基準最適化に一般に適用可能なフレームワークを確立すること。

提案手法

• 正規化カットおよびレシオリージョン問題を、二値変数 $x_j$ と $z_{ij}$ を用いてカットの所属関係とエッジの交差をモデル化する整数計画問題として定式化する。
• ラグランジュ緩和パラメータ $\lambda$ を導入することで、各問題を $\lambda$-質問としてのパラメトリック問題に変換し、分子と分母の目的関数のバランスをとる。
• 各ノード $x_j$ がシンクに容量 $\lambda v_j$ で接続され、ソースのシード $x_s$ が固定された、サイズ $O(n)$ ノードおよび $O(m)$ アークの補助グラフ $G'_{st}$ を構築する。
• 擬似フローに基づくアルゴリズムを用いて、$G'_{st}$ 上のパラメトリック最小 $s,t$-カット問題を解き、$\lambda$ 全体にわたる最適解およびすべてのネストド解を効率的に計算する。
• パラメトリック $s,t$-カットアルゴリズムが $O(mn\log(n^2/m + 2))$ 時間で実行可能であり、このような問題に対して標準的な $O(m^2\log m)$ 界よりも優れていることを利用する。
• パラメトリックカットとレシオ目的関数の双対性を活用し、最適レシオ解および完全な解パスを抽出する。

実験結果

リサーチクエスチョン

• RQ1 スペクトル緩和ではなく組合せ的アプローチを用いて、正規化カット問題を多項式時間で最適に解くことは可能か？
• RQ2 目的関数の成分の相対的重み付けのすべての値に対して、レシオリージョン問題を最適かつ効率的に解くことは可能か？
• RQ3 二基準レシオ問題に対して、最適レシオ解に加え、ネストド解の系列を生成する一般化された手法は存在するか？
• RQ4 パラメトリック最小 $s,t$-カットフレームワークを画像セグメンテーションおよびクラスタリング問題のレシオ目的関数に最適解をもたらすように適応可能か？

主な発見

• 提案されたアルゴリズムは、実行時間 $O(mn\log(n^2/m + 2))$ で正規化カットおよびレシオリージョン問題を最適に多項式時間で解く。直接的なパラメトリックカット適用の $O(m^2\log m)$ 複雑性に比べ、顕著に改善されている。
• この手法は、重みパラメータ $\lambda$ のすべての値に対して、最適解に加え完全なネストド解の系列を計算する。単一の最適解よりも豊かなインサイトを提供する。
• ヒューリスティック的でなく、非最適かつ計算コストの高いスペクトル緩和手法に比べ、正確な組合せ的解を提供する。
• このフレームワークは一般性を持ち、平面的またはグリッド構造の画像に限らず、任意のグラフに適用可能である。したがって、クラスタリングおよび画像処理問題に広く適用可能である。
• 合成画像を用いた実験結果から、アルゴリズムが正確に前景と背景を分離することが確認され、実用的有効性が裏付けられた。
• 擬似フローアルゴリズムの使用により、理論的および実用的効率性が達成され、公開済みのコードにより再現性およびデプロイメントが可能となった。