[논문 리뷰] An Efficient Evolutionary Based Method For Image Segmentation

Aslanzadeh, Roohollah, Kazem Qazanfari외 1명|arXiv (Cornell University)|2017. 09. 13.

Medical Image Segmentation Techniques참고 문헌 28인용 수 7

한 줄 요약

이 논문은 수렴성, 병렬 처리 및 세분화 균일성과 영역 수 제어를 위한 자유 매개변수를 통해 높은 유연성과 병렬성, 뛰어난 성능을 보이는 네 단계의 진화적 영상 분할 방법을 제안한다. 이 방법은 BSDS 300 데이터셋에서 ACT보다 70%의 이미지에서, VSP보다 100%의 경우에서 뛰어난 성능을 기록한다.

ABSTRACT

The goal of this paper is to present a new efficient image segmentation method based on evolutionary computation which is a model inspired from human behavior. Based on this model, a four layer process for image segmentation is proposed using the split/merge approach. In the first layer, an image is split into numerous regions using the watershed algorithm. In the second layer, a co-evolutionary process is applied to form centers of finals segments by merging similar primary regions. In the third layer, a meta-heuristic process uses two operators to connect the residual regions to their corresponding determined centers. In the final layer, an evolutionary algorithm is used to combine the resulted similar and neighbor regions. Different layers of the algorithm are totally independent, therefore for certain applications a specific layer can be changed without constraint of changing other layers. Some properties of this algorithm like the flexibility of its method, the ability to use different feature vectors for segmentation (grayscale, color, texture, etc), the ability to control uniformity and the number of final segments using free parameters and also maintaining small regions, makes it possible to apply the algorithm to different applications. Moreover, the independence of each region from other regions in the second layer, and the independence of centers in the third layer, makes parallel implementation possible. As a result the algorithm speed will increase. The presented algorithm was tested on a standard dataset (BSDS 300) of images, and the region boundaries were compared with different people segmentation contours. Results show the efficiency of the algorithm and its improvement to similar methods. As an instance, in 70% of tested images, results are better than ACT algorithm, besides in 100% of tested images, we had better results in comparison with VSP algorithm.

연구 동기 및 목표

• 진화 계산과 인간 행동을 영감으로 삼은 새로운 효율적 영상 분할 방법을 개발한다.
• 다양한 특징 벡터(회색조, 색상, 텍스처 등)를 사용해 탄력적인 분할을 가능하게 하고, 최종 세분화 수와 균일성에 대한 제어를 가능하게 한다.
• 각 단계에서 영역과 중심 간의 독립성을 확보하여 병렬 구현을 지원한다.
• 기존의 ACT 및 VSP와 같은 방법들보다 표준 기준 테스트에서 분할 정확도를 향상시킨다.
• 개별 단계를 다른 요소로 교체할 수 있도록 모듈식 프레임워크를 설계한다.

제안 방법

• 첫 번째 단계는 영상 분할을 위한 워터셰 알고리즘을 사용하여 다수의 주요 영역으로 나눈다.
• 두 번째 단계는 유사한 주요 영역을 병합하여 최종 세분화 중심을 형성하는 공진화 과정을 적용한다.
• 세 번째 단계는 잔여 영역을 가장 가까운 확정된 중심에 연결하기 위해 두 개의 연산자를 사용하는 메타휴리스틱 과정을 시행한다.
• 네 번째 단계는 유사하고 인접한 영역을 병합하여 최종 세그먼트를 형성하는 진화 알고리즘을 사용한다.
• 각 단계는 독립적으로 작동하므로 모듈식 교체가 가능하며, 병렬 실행을 촉진한다.
• 자유 매개변수를 통해 세분화 균일성과 최종 세그먼트 수를 제어할 수 있어 다양한 응용 분야에 적합한 탄력성을 높인다.

실험 결과

연구 질문

• RQ1 진화 계산 기반의 분할 프레임워크는 ACT 및 VSP와 같은 기존 방법들보다 더 높은 정확도를 달성할 수 있는가?
• RQ2 네 단계 설계의 모듈성은 개별 구성 요소의 독립적 최적화를 어느 정도 지원하는가?
• RQ3 작은 영역을 유지하면서도 분할 균일성을 유지하는 데 얼마나 효과적인가?
• RQ4 영역과 중심 처리 간의 독립성은 런타임 성능 향상을 위해 효율적인 병렬 처리를 가능하게 하는가?
• RQ5 색상, 텍스처 등 다양한 특징 벡터를 사용할 때 이 방법은 다양한 이미지 유형에 대해 얼마나 잘 일반화되는가?

주요 결과

• 제안된 방법은 BSDS 300 데이터셋에서 테스트한 이미지의 70%에서 ACT 알고리즘을 능가하는 성능을 기록했다.
• 테스트한 모든 이미지에서 VSP 알고리즘보다 더 나은 결과를 도출했다.
• 이 알고리즘은 작은 영역을 유지하는 특징을 보이며, 이러한 특징를 제거하는 경향이 있는 다른 방법들과 비교해 핵심적인 장점이다.
• 두 번째 단계의 영역과 세 번째 단계의 중심 간의 독립성 덕분에 효율적인 병렬 실행이 가능해져 처리 속도가 향상된다.
• 자유 매개변수의 사용을 통해 사용자가 최종 세그먼트 수와 균일성을 제어할 수 있어 응용 분야에 특화된 적응성이 향상된다.
• 이 방법은 회색조, 색상, 텍스처 등 다양한 특징 벡터를 지원함으로써 높은 탄력성을 보여준다.