[논문 리뷰] Analysis and Comparison of Different Wavelet Transform Methods Using Benchmarks for Image Fusion

T. Deepika|arXiv (Cornell University)|2020. 07. 22.

Advanced Image Fusion Techniques참고 문헌 8인용 수 5

한 줄 요약

이 논문은 CT/MRI 다중 모odal 영상에 적용된 다섯 가지 변환 방법—이산 웨이브릿 변환(DWT), 정적 웨이브릿 변환(SWT), 정수 리프팅 웨이브릿 변환(ILFT), 이중수목 복소 웨이브릿 변환(DT CWT), Q-shift 이중수목 CWT—을 사용하는 웨이브릿 기반 영상 융합 프레임워크를 제안한다. 엔트로피, PSNR, RMSE, IQI 및 표준편차를 사용하여 성능을 비교한 결과, 시각적 및 정량적 평가에서 DT CWT가 가장 뛰어난 융합 품질을 보였다.

ABSTRACT

In recent years, many research achievements are made in the medical image fusion field. Medical Image fusion means that several of various modality image information is comprehended together to form one image to express its information. The aim of image fusion is to integrate complementary and redundant information. CT/MRI is one of the most common medical image fusion. These medical modalities give information about different diseases. Complementary information is offered by CT and MRI. CT provides the best information about denser tissue and MRI offers better information on soft tissue. There are two approaches to image fusion, namely Spatial Fusion and Transform fusion. Transform fusion uses transform for representing the source images at multi-scale. This paper presents a Wavelet Transform image fusion methodology based on the intensity magnitudes of the wavelet coefficients and compares five variations of the wavelet transform implemented separately in this fusion model. The image fusion model, using the Discrete Wavelet Transform (DWT), the Stationary Wavelet Transform (SWT), the Integer Lifting Wavelet Transform (ILFT) the dual-tree Complex Wavelet Transform (DT CWT) and dual-tree Q-shift dual-tree CWT, is applied to multi-modal images. The resulting fused images are compared visually and through benchmarks such as Entropy (E), Peak Signal to Noise Ratio, (PSNR), Root Mean Square Error (RMSE), Image Quality Index (IQI) and Standard deviation (SD) computations.

연구 동기 및 목표

• 다섯 가지 웨이브릿 변환 방법의 의료 영상 융합에서의 성능을 평가하고 비교하는 것.
• CT 및 MRI 모odal에서의 보완 정보를 융합하는 변환 기반 융합의 효과성을 평가하는 것.
• 다양한 정량적 지표를 사용하여 영상 융합 품질에 대한 기준을 설정하는 것.
• 융합된 의료 영상에서 구조적 및 강도 정보를 보존하는 데 최적의 웨이브릿 변환을 규명하는 것.
• 표준화된 영상 품질 지표를 사용하여 변환 기반 융합 기법에 대한 종합적인 분석을 제공하는 것.

제안 방법

• 융합 프레임워크는 소스 영상의 강도 크기를 기반으로 웨이브릿 계수를 선택한다.
• 다섯 가지 웨이브릿 변환—DWT, SWT, ILFT, DT CWT, Q-shift 이중수목 CWT—이 다중 척도 분해된 영상에 독립적으로 적용된다.
• 강렬한 특징을 유지하기 위해 크기 기반 최대 선택 규칙을 사용해 계수를 융합한다.
• 각 방법에 대해 역 웨이브릿 변환을 통해 융합된 영상을 재구성한다.
• 성능 평가는 엔트로피(E), PSNR, RMSE, IQI 및 표준편차(SD)의 다섯 가지 기준 지표를 사용한다.
• 다중 모달 CT/MRI 영상 데이터셋을 대상으로 시각적 및 정량적 비교를 수행한다.

실험 결과

연구 질문

• RQ1 구조적 및 강도 보존 측면에서 어떤 웨이브릿 변환이 가장 높은 영상 융합 품질을 제공하는가?
• RQ2 DWT, SWT, ILFT, DT CWT 및 Q-shift 이중수목 CWT는 엔트로피, PSNR, RMSE, IQI 및 SD 지표에서 어떻게 비교되는가?
• RQ3 복소 웨이브릿 변환(DT CWT)이 실수 값 변환보다 의료 영상 융합에서 뛰어난 성능을 보이는가?
• RQ4 다양한 변환은 CT/MRI 영상의 부족함과 보완 정보를 어떻게 다루는가?
• RQ5 다양한 정량적 기준에서 변환 유형이 융합된 영상 품질에 미치는 상대적 영향은 무엇인가?

주요 결과

• 이중수목 복소 웨이브릿 변환(DT CWT)은 가장 높은 엔트로피(E)와 영상 품질 지수(IQI)를 기록하여 뛰어난 정보 보존 및 품질을 나타낸다.
• DT CWT는 가장 높은 피크 신호 대비 잡음 비율(PSNR)과 가장 낮은 평균 제곱근 오차(RMSE)를 보이며, 융합 영상의 높은 정밀도를 확인한다.
• 정적 웨이브릿 변환(SWT)은 표준편차(SD)에서 뛰어난 성능을 보이며, 대비 향상과 질감 보존을 반영한다.
• 이산 웨이브릿 변환(DWT)은 다섯 가지 방법 중에서 가장 낮은 PSNR와 가장 높은 RMSE를 기록하여 재구성 정확도가 낮음을 시사한다.
• 정수 리프팅 웨이브릿 변환(ILFT)은 중간 수준의 성능을 보이며, 균형 잡힌 지표를 제공하지만 DT CWT나 SWT를 능가하지 못한다.
• 전반적으로 DT CWT는 모든 기준에서 최고의 순위를 기록하여 다중 모달 의료 영상 융합에서의 우수성을 확인한다.