[論文レビュー] Texture Based Image Segmentation of Chili Pepper X-Ray Images Using Gabor Filter

M. Rajalakshmi, P. Subashini|arXiv (Cornell University)|Apr 15, 2014

Spectroscopy and Chemometric Analyses参考文献 11被引用数 8

ひとこと要約

本稿では、カプサイシンのX線画像に対するテクスチャベースの画像セグメンテーション手法を提案する。Gaborフィルタを用いてテクスチャ特徴を抽出し、その後、グレイレベリングコ occurring マトリクス（GLCM）および一次統計による特徴抽出を実施し、SVMを用いた分類を実施する。本手法は84%の正確性を達成し、一次統計による特徴抽出を上回り、農業分野のX線画像におけるテクスチャベースのセグメンテーションにおいてGLCMの有効性を示している。

ABSTRACT

Texture segmentation is the process of partitioning an image into regions with different textures containing a similar group of pixels. Detecting the discontinuity of the filter's output and their statistical properties help in segmenting and classifying a given image with different texture regions. In this proposed paper, chili x-ray image texture segmentation is performed by using Gabor filter. The texture segmented result obtained from Gabor filter fed into three texture filters, namely Entropy, Standard Deviation and Range filter. After performing texture analysis, features can be extracted by using Statistical methods. In this paper Gray Level Co-occurrence Matrices and First order statistics are used as feature extraction methods. Features extracted from statistical methods are given to Support Vector Machine (SVM) classifier. Using this methodology, it is found that texture segmentation is followed by the Gray Level Co-occurrence Matrix feature extraction method gives a higher accuracy rate of 84% when compared with First order feature extraction method. Key Words: Texture segmentation, Texture filter, Gabor filter, Feature extraction methods, SVM classifier.

研究の動機と目的

• テクスチャの違いに基づいてカプサイシンのX線画像を正確にセグメンテーションする課題に対処すること。
• GaborフィルタがカプサイシンのX線画像からテクスチャ特徴を抽出する有効性を評価すること。
• テクスチャセグメンテーションにおける二つの特徴抽出手法—グレイレベリングコ occurring マトリクス（GLCM）および一次統計—の性能を比較すること。
• セグメンテーション領域をサポートベクターマシン（SVM）を用いて分類し、正確性を最大化する最適な特徴セットを特定すること。

提案手法

• GaborフィルタをカプサイシンのX線画像に適用し、テクスチャ応答を抽出し、テクスチャの不連続性を検出する。
• Gaborフィルタ出力に、3つのテクスチャフィルタ—エントロピー、標準偏差、範囲—を適用してテクスチャ表現を強化する。
• フィルタ処理後の出力に対して、グレイレベリングコ occurring マトリクス（GLCM）および一次統計を用いた統計的特徴抽出を実施する。
• GLCMおよび一次統計からの特徴を、サポートベクターマシン（SVM）分類器に供給し、領域分類を実施する。
• セグメンテーションおよび分類パイプラインは、カプサイシンのX線画像データセットを用いて評価される。
• 性能は分類正確性で測定され、GLCM特徴は一次統計と比較される。

実験結果

リサーチクエスチョン

• RQ1 Gaborフィルタは、セグメンテーションの目的でカプサイシンのX線画像からテクスチャ特徴を効果的に抽出できるか？
• RQ2 X線画像におけるテクスチャ領域の分類において、GLCMベースの特徴抽出と一次統計の性能はどのように比較されるか？
• RQ3 Gaborフィルタを用いたテクスチャセグメンテーションとSVMを組み合わせた場合、得られる最大の分類正確性は何か？
• RQ4 エントロピー、標準偏差、範囲の複数のテクスチャフィルタの統合は、特徴抽出の前にセグメンテーション品質を向上させるか？
• RQ5 GLCMと一次統計のどちらの特徴抽出手法が、X線画像におけるカプサイシン領域の分類においてより高い正確性を達成するか？

主な発見

• 提案手法は、グレイレベリングコ occurring マトリクス（GLCM）特徴抽出を用いて84%の分類正確性を達成した。
• GLCMベースの特徴抽出は一次統計を上回り、同じ実験設定において低い正確性を示した。
• Gaborフィルタとテクスチャフィルタ（エントロピー、標準偏差、範囲）の統合により、セグメンテーションのためのテクスチャ表現が向上した。
• SVMを分類器として用いることで、カプサイシンのX線画像における異なるテクスチャ領域の効果的な区別が可能になった。
• 結果から、GaborフィルタとGLCM特徴を用いたテクスチャベースのセグメンテーションは、農業分野の画像解析において実用的であることが示された。
• 本研究では、GLCMから導出される統計的テクスチャ特徴が、一次統計よりも本アプリケーションにおいてより特徴的な情報を提供することが確認された。