[論文レビュー] The dead leaves model : general results and limits at small scales

Yann Gousseau, François Roueff|ArXiv.org|Dec 1, 2003

Stochastic processes and statistical mechanics参考文献 25被引用数 6

ひとこと要約

本稿では、小スケールのカットオフを除去することで、死んだ葉モデルに基づく極限ランダムフィールドモデルを導入し、画像の正則性の厳密な解析を可能にした。有限次元分布の分析とベソフ空間理論を用いて、物体サイズのパワー則指数 α に依存するほとんど確実な滑らかさの性質を確立し、不連続な画像に対しても非自明な正則性を示す極限過程であることが示された。

ABSTRACT

In this work, we introduce a random field in view of natural image modeling, obtained as a limit of sequences of dead leaves models, when considering arbitrarily small or big objects. The dead leaves model, introduced by the Mathematical Morphology school, consists in the superposition of random closed sets, and enables to model the occlusion phenomena. When combined with specific sizes distributions for objects, they are known to provide adequate models for natural images. However this framework yields a small scales cutoff and a limit random field is introduced by letting this cutoff tend to zero. We first give a rigorous definition of the dead leaves model, and compute the probability that n compacts are included in distinct visible parts, which characterizes the model. Then, we derive our limit model and some of its property, and study its regularity.

研究の動機と目的

• 小スケールのカットオフを除去することで死んだ葉過程の極限モデルを構築し、画像の微細スケール特性の解析を可能にする。
• スケーリング極限下でのカラーリングされた死んだ葉過程における有限次元分布の収束を特徴付ける。
• 関数解析、特にベソフ空間を用いて、得られる極限ランダムフィールドの正則性を研究する。
• 自然画像の実験的観察と整合する、極限フィールドのほとんど確実な滑らかさの性質を確立する。
• オクルージョンの幾何構造とスケーリング統計を捉える、自然画像のための関数的事前モデルを提供する。

提案手法

• コンpakな集合の可視性を特徴付けるために、ランダム閉集合と容量関数を用いた、死んだ葉モデルの厳密なフレームワークを導入する。
• テクスチャ領域をモデル化するための「カラーリングされた」タイル化過程を定義し、分布の極限を用いて有限次元収束を確立する。
• 最小物体サイズをゼロに近づけるスケーリング極限を死んだ葉モデルに適用し、指数 α を持つパワー則サイズ分布を保存する。
• 変数変換と漸近解析を用いて、極限フィールドの共分散構造の振る舞いを導出する。
• 正則性を定量化するためにベソフ空間ノルムを用い、スケールおよび空間パラメータの積分を用いてモーメント推定を導出する。
• パルム計算と確率的幾何学的手法を用いて、極限過程およびそのサンプルパスの性質を分析する。

実験結果

リサーチクエスチョン

• RQ1 死んだ葉モデルにおける小スケールのカットオフの除去が、得られるランダムフィールドの収束性および正則性に与える影響は何か？
• RQ2 パワー則物体サイズ分布を伴うスケーリング下でのカラーリングされた死んだ葉過程の有限次元分布の極限は何か？
• RQ3 極限ランダムフィールドのほとんど確実な滑らかさの性質は、ベソフ空間ノルムの観点からどのように記述できるか？
• RQ4 物体サイズのパワー則指数 α が、極限プロセスの正則性にどのように影響するか？
• RQ5 極限モデルは、特にノイズ除去や形状抽出タスクにおいて、関数的事前モデルとして機能できるか？

主な発見

• 極限ランダムフィールドは、任意に小さな物体が密に分布するため、古典的ランダム閉集合理論では記述不可能である。
• カラーリングされた死んだ葉過程の有限次元分布はスケーリング下で収束し、良好に定義された極限プロセスが得られる。
• α ∈ (1, 3] の場合、極限フィールドはほとんど確実にベソフ空間 $B_{p}^{s,q}$ に属し、すべての $s < 1/p$ に対して正則性が保証される。
• α ∈ (2, 3) の場合、正則性が向上し、$s < (3 - \beta)/p$ に対して、$\beta = \alpha - 2$ により、ほとんど確実に $B_{p}^{s,q}$ に属する。これはより強い滑らかさを反映している。
• α > 2 のとき、任意の領域におけるフィールドの期待全 variation ノルムは無限大であるため、フィールドは有界 variation ではないが、ベソフノルムでは滑らかである。
• モデルは、オクルージョンとスケーリング統計を考慮した非自明でスケール不変な自然画像の事前モデルを提供し、滑らかさの性質は α によってパrameter化される。