[논문 리뷰] Comparison of Gini index and Tamura coefficient for holographic autofocusing based on the edge sparsity of the complex optical wavefront

Miu Tamamitsu, Yibo Zhang외 3명|arXiv (Cornell University)|2017. 08. 27.

Digital Holography and Microscopy참고 문헌 13인용 수 9

한 줄 요약

이 논문은 복소파면의 에지 스퍼시티를 기반으로 한 허모그래픽 오토포커싱에서 스퍼시티 측도로 Gini 지수(GI)와 타무라 계수(TC)를 비교한다. 밀도가 높고 연결되어 있는 샘플에서는 두 지표가 유사한 성능을 보이지만, 배경 노이즈에 더 강건하고 천연적으로 스퍼시한 샘플, 특히 고립된 생물학적 낭종과 같은 경우에 TC가 더 적합함을 입증한다. 특히 더 큰 영역의 관심 영역(ROI)을 사용할 경우에 유리하다.

ABSTRACT

The Sparsity of the Gradient (SoG) is a robust autofocusing criterion for holography, where the gradient modulus of the complex refocused hologram is calculated, on which a sparsity metric is applied. Here, we compare two different choices of sparsity metrics used in SoG, specifically, the Gini index (GI) and the Tamura coefficient (TC), for holographic autofocusing on dense/connected or sparse samples. We provide a theoretical analysis predicting that for uniformly distributed image data, TC and GI exhibit similar behavior, while for naturally sparse images containing few high-valued signal entries and many low-valued noisy background pixels, TC is more sensitive to distribution changes in the signal and more resistive to background noise. These predictions are also confirmed by experimental results using SoG-based holographic autofocusing on dense and connected samples (such as stained breast tissue sections) as well as highly sparse samples (such as isolated Giardia lamblia cysts). Through these experiments, we found that ToG and GoG offer almost identical autofocusing performance on dense and connected samples, whereas for naturally sparse samples, GoG should be calculated on a relatively small region of interest (ROI) closely surrounding the object, while ToG offers more flexibility in choosing a larger ROI containing more background pixels.

연구 동기 및 목표

• 허모그래픽 오토포커싱에서 스퍼시티 측도로 Gini 지수(GI)와 타무라 계수(TC)의 성능을 평가하고 비교하는 것.
• 밀도가 높고 연결되어 있는 샘플과 천연적으로 스퍼시한 샘플 간의 이미지 스퍼시티 변화에 따라 이 측도가 어떻게 작용하는지 조사하는 것.
• 배경 노이즈와 신호 분포가 성능에 크게 영향을 주는 조건에서 오토포커싱에 최적의 측도를 결정하는 것.
• 샘플 특성과 영역의 관심 영역(ROI) 크기에 기반한 측도 선택에 대한 이론적 및 실험적 검증을 제공하는 것.

제안 방법

• 연구는 복소 재초점 허모그램의 기울기 크기를 계산하는 '기울기의 스퍼시티(SoG)' 프레임워크를 사용한다.
• Gini 지수(GI)는 이미지 전반에 걸친 기울기 크기 분포의 불균형도를 측정하는 지표로 계산된다.
• 타무라 계수(TC)는 기울기 크기의 표준편차와 평균의 비율에 기반하여 계산되며, 텍스처와 분포의 균일성을 반영한다.
• 균일하게 분포된 데이터와 고다이나믹 레인지의 천연적으로 스퍼시한 이미지에서 GI와 TC의 행동을 예측하기 위한 이론적 분석을 수행한다.
• 실험적 검증을 위해 두 가지 샘플 유형에서 허모그래픽 오토포커싱을 수행한다: 밀도가 높고 염색된 유방 조직 절편과 스퍼시하고 고립된 기아르디아 람블리아 낭종.
• 다양한 오파라즈 수준에서 포커스 측도 값의 비교를 통해 오토포커싱 성능을 평가하며, ROI 크기를 변화시켜 내성에 대한 탄력성을 평가한다.

실험 결과

연구 질문

• RQ1 밀도가 높고 연결되어 있는 생물학적 샘플에서 허모그래픽 오토포커싱에 대해 Gini 지수와 타무라 계수가 성능 면에서 어떻게 비교되는가?
• RQ2 천연적으로 스퍼시한 샘플에서 신호 분포 변화와 배경 노이즈 변화에 대해 GI와 TC는 어떻게 반응하는가?
• RQ3 스퍼시티 측도의 선택이 오토포커싱 응용에서 최적의 영역의 관심 영역(ROI) 크기에 영향을 미치는가?
• RQ4 배경 노이즈가 존재할 경우 타무라 계수가 Gini 지수보다 더 강건한 조건은 무엇인가?
• RQ5 실제 허모그래픽 영상 시나리오에서 측도 행동에 대한 이론적 예측이 실험적으로 검증될 수 있는가?

주요 결과

• 염색된 유방 조직 절편과 같은 밀도가 높고 연결되어 있는 샘플에서는 Gini 지수와 타무라 계수가 거의 동일한 오토포커싱 성능을 보인다.
• 고립된 기아르디아 람블리아 낭종과 같은 천연적으로 스퍼시한 샘플에서는 타무라 계수(TC)가 신호 분포 변화에 더 민감하고 배경 노이즈에 더 강건한 것으로 나타났다. Gini 지수(GI)보다도.
• 배경 픽셀이 상당히 포함된 큰 영역의 관심 영역(ROI)을 사용할 경우, 타무라 계수가 Gini 지수보다 더 안정적이고 신뢰할 수 있는 오토포커싱을 제공한다.
• 스퍼시한 샘플의 경우, Gini 지수는 객체를 둘러싼 작은 ROI에 적용했을 때 가장 우수한 성능를 보이며, ROI 선택에 민감함을 나타낸다.
• 스퍼시하고 노이즈가 많은 상황에서 TC가 GI보다 더 강건하다는 이론적 예측은 실험 결과에 의해 확인되었다.
• 이 연구는 TC가 스퍼시한 샘플에서 ROI 선택에 더 큰 유연성을 제공함을 확인하였으며, 반면 GI는 노이즈에 의한 성능 저하를 방지하기 위해 신중한 ROI 정의가 필요함을 밝혔다.