[논문 리뷰] A Recent Survey on the Applications of Genetic Programming in Image Processing

Asifullah Khan, Aqsa Saeed Qureshi외 3명|arXiv (Cornell University)|2019. 01. 18.

Evolutionary Algorithms and Applications인용 수 11

한 줄 요약

이 종합 검토는 영상 처리 분야에서 유전적 프로그래밍(GP)의 응용을 종합적으로 개괄하며, 최적화, 특징 선택, 영상 향상 작업을 포함한다. 의료 영상, 컴퓨터 비전, 다중스펙트럼 영상 분야에서 GP 기법을 분석하여, 파rameter 비교, 방법론적 지침, 향후 연구 방향을 제시함으로써 영상 처리 워크플로우에서의 도입을 가속화하고 성능을 향상시킨다.

ABSTRACT

Genetic Programming (GP) has been primarily used to tackle optimization, classification, and feature selection related tasks. The widespread use of GP is due to its flexible and comprehensible tree-type structure. Similarly, research is also gaining momentum in the field of Image Processing, because of its promising results over vast areas of applications ranging from medical Image Processing to multispectral imaging. Image Processing is mainly involved in applications such as computer vision, pattern recognition, image compression, storage, and medical diagnostics. This universal nature of images and their associated algorithm, i.e., complexities, gave an impetus to the exploration of GP. GP has thus been used in different ways for Image Processing since its inception. Many interesting GP techniques have been developed and employed in the field of Image Processing, and consequently, we aim to provide the research community an extensive view of these techniques. This survey thus presents the diverse applications of GP in Image Processing and provides useful resources for further research. Also, the comparison of different parameters used in different applications of Image Processing is summarized in tabular form. Moreover, analysis of the different parameters used in Image Processing related tasks is carried-out to save the time needed in the future for evaluating the parameters of GP. As more advancement is made in GP methodologies, its success in solving complex tasks, not only in Image Processing but also in other fields, may increase. Additionally, guidelines are provided for applying GP in Image Processing related tasks, the pros and cons of GP techniques are discussed, and some future directions are also set.

연구 동기 및 목표

• 의료 진단, 컴퓨터 비전, 다중스펙트럼 영상와 같은 다양한 분야에서 유전적 프로그래밍(GP) 응용에 대한 체계적인 리뷰를 제공하는 것.
• 미래 연구에서 반복적인 파rameter 평가를 줄이기 위해 다양한 영상 처리 작업에서 사용된 핵심 GP 파rameter들을 식별하고 비교하는 것.
• 방법론적 최선의 실천법과 제약 조건을 포함하여, 영상 처리에 GP를 적용하기 위한 실용적인 지침을 제공하는 것.
• GP 기법이 전통적 방법과 비교할 때 영상 처리에서의 장단점을 부각시켜, 체계적 선택을 지원하는 것.
• 복잡한 영상 처리 과제에 대한 GP 기반 솔루션을 발전시키기 위한 향후 연구 방향을 제시하는 것.

제안 방법

• 이 종합 검토는 영상 처리 분야에서 GP 응용에 관한 기존 문헌을 통합하며, 최적화, 분류, 특징 선택 작업에 중점을 둔다.
• 의료 영상, 영상 압축, 패턴 인식와 같은 적용 분야별로 GP 기법을 분류한다.
• 모집단 크기, 돌연변이율, 트리 깊이와 같은 GP 파rameter들의 체계적 비교 분석을 표 형태로 요약한다.
• 기타 연구에서 보고된 지표와 실험 설정을 기반으로, GP의 다양한 영상 처리 과제에서의 성능을 평가한다.
• 문헌의 실증적 결과와 방법론적 추세를 바탕으로, GP를 영상 처리에 구현하기 위한 지침을 도출한다.
• GP의 트리 기반 구조가 복잡한 영상 처리 과제에서 중요한 지원 역할을 한다는 점을 논의한다.

실험 결과

연구 질문

• RQ1 다양한 분야에서 유전적 프로그래밍이 영상 처리에 주로 어떻게 응용되고 있는가?
• RQ2 다양한 영상 처리 과제에서 가장 효과적인 GP 파rameter(예: 모집단 크기, 돌연변이율)는 무엇인가?
• RQ3 GP의 트리 기반 구조는 영상 처리에서 특징 선택과 최적화를 어떻게 지원하는가?
• RQ4 전통적 방법과 비교할 때 GP를 영상 처리에 사용할 경우의 주요 장점과 제약 조건은 무엇인가?
• RQ5 복잡한 영상 처리 응용 분야에서 GP의 확장성과 성능을 향상시키기 위한 향후 연구 방향은 무엇인가?

주요 결과

• 유전적 프로그래밍은 영상 강화, 세그멘테이션, 특징 선택와 같은 영상 처리 과제에 성공적으로 적용되었다.
• GP의 트리 기반 표현 방식은 이해 가능하고 유연한 해결책을 가능하게 하며, 특히 의료 및 진단 영상 분야에서 유용하다.
• 이 종합 검토에서 제시된 파rameter 비교 표는 핵심 GP 파rameter에 대한 최적 범위를 식별함으로써 연구자들이 반복적인 튜닝을 피하는 데 도움을 준다.
• 이 종합 검토는 GP가 다중스펙트럼 영상 분석과 같은 비선형적이며 복잡한 영상 처리 과제에서 기존 방법과 견줄 만하거나 그 이상의 성능을 발휘한다는 점을 밝혔다.
• GP를 영상 처리에 적용하기 위한 지침이 제공되었으며, 파arameter 선택, 표현 설계, 평가 지표에 중점을 두었다.
• 향후 연구는 GP의 확장성 향상과 딥 러닝과의 통합을 통해 하이브리드 영상 처리 시스템을 발전시키는 데 초점을 맞춰야 한다.