[論文レビュー] SAR Image Segmentation using Vector Quantization Technique on Entropy Images

H. B. Kekre, Saylee Gharge+1 more|arXiv (Cornell University)|Apr 11, 2010

Synthetic Aperture Radar (SAR) Applications and Techniques参考文献 35被引用数 14

ひとこと要約

本稿では、エントロピー画像にベクトル量子化を適用した新規なSAR画像セグメンテーション手法を提案する。エントロピー変換されたSAR画像にKekreの高速コードブック生成（KFCG）アルゴリズムを適用することで、128コードブックが生成され、さらに8つのセグメントにクラスタリングされる。従来のグレイレベリング共起行列（GLCM）手法と比較して、計算複雑度が低く、視覚的に整合性があり、過剰または不十分なセグメンテーションを回避する結果が得られる。

ABSTRACT

The development and application of various remote sensing platforms result in the production of huge amounts of satellite image data. Therefore, there is an increasing need for effective querying and browsing in these image databases. In order to take advantage and make good use of satellite images data, we must be able to extract meaningful information from the imagery. Hence we proposed a new algorithm for SAR image segmentation. In this paper we propose segmentation using vector quantization technique on entropy image. Initially, we obtain entropy image and in second step we use Kekre's Fast Codebook Generation (KFCG) algorithm for segmentation of the entropy image. Thereafter, a codebook of size 128 was generated for the Entropy image. These code vectors were further clustered in 8 clusters using same KFCG algorithm and converted into 8 images. These 8 images were displayed as a result. This approach does not lead to over segmentation or under segmentation. We compared these results with well known Gray Level Co-occurrence Matrix. The proposed algorithm gives better segmentation with less complexity.

研究の動機と目的

• 大規模なSAR画像データベースの効率的かつ意味のある解析の増大するニーズに対応すること。
• SAR画像におけるスパクルノイズおよび複雑なテクスチャを扱う際の従来のセグメンテーション手法の限界を克服すること。
• 過剰または不十分なセグメンテーションを回避する低複雑度で頑健なセグメンテーション技術を開発すること。
• 従来の手法（例えばグレイレベリング共起行列（GLCM））と比較して、セグメンテーションの精度と効率を向上させること。
• 強化された特徴抽出を通じて、衛星画像データベースの効果的なコンテンツベースの照会とブラウジングを可能にすること。

提案手法

• 入力されたSAR画像からエントロピー画像を計算することで、テクスチャおよび強度の変動を強調する。
• エントロピー画像にKekreの高速コードブック生成（KFCG）アルゴリズムを適用し、サイズ128のコードブックを生成する。
• 128個のコードベクトルを、同じKFCGアルゴリズムを用いて8つの異なるクラスタにグループ化する。
• 各クラスタを二値画像にマッピングすることで、8つのセグメンテーション出力画像が得られる。
• セグメンテーションプロセスは、類似したエントロピーに基づく画像領域を効率的にグループ化するためのベクトル量子化に依存する。
• エントロピーに基づく特徴表現と最適化されたコードブック生成に依存することで、過剰または不十分なセグメンテーションを回避する。

実験結果

リサーチクエスチョン

• RQ1 エントロピーに基づく画像変換は、SAR画像におけるセグメンテーション性能を向上させることができるか？
• RQ2 エントロピー画像にKFCGを用いたベクトル量子化は、正確性を維持しつつセグメンテーションの複雑度を低減できるか？
• RQ3 本手法は、グレイレベリング共起行列（GLCM）と比較して、セグメンテーション品質および計算負荷の面でどのように異なるか？
• RQ4 過剰または不十分なセグメンテーションを回避して、8つの明確に区別された画像としてセグメンテーション結果を効果的に可視化できるか？
• RQ5 本手法は、SAR画像におけるスパクルノイズおよびテクスチャの変動に対して頑健であるか？

主な発見

• 提案手法は、過剰または不十分なセグメンテーションを回避しながら、SAR画像から8つの明確に区別されたセグメンテーション画像を効果的に生成した。
• セグメンテーション結果は、GLCMベースの手法と比較して、視覚的な整合性と構造的忠実度が向上している。
• エントロピー画像の使用により、テクスチャおよび強度の変動が強調され、セグメンテーションのための特徴表現が向上した。
• KFCGアルゴリズムにより、計算複雑度が低減した効率的なコードブック生成が可能になった。
• 知られているグレイレベリング共起行列技術と比較して、より優れたセグメンテーション性能を、低い複雑度で達成した。
• 最終出力は、クラスタリングされたコードブックベクトルから得られた8つのセグメンテーション画像であり、それぞれが関心領域を表している。