[논문 리뷰] Detection of curved lines with B-COSFIRE filters: A case study on crack delineation

Nicola Strisciuglio, George Azzopardi외 1명|arXiv (Cornell University)|2017. 07. 24.

Retinal Imaging and Analysis참고 문헌 19인용 수 4

한 줄 요약

이 논문은 노이즈가 많은 이미지에서 곡선, 얇고 불완전한 선을 검출하기 위해 뇌에 영감을 받은 B-COSFIRE 필터 파이프라인을 제안한다. Crack_PV14 데이터셋에서 최신 기술 수준의 성능(F-measure = 0.865)을 달성한다. 이 방법은 비선형 필터링, 비최대값 제거, 히스테리시스 임계처리, 그리고 형태학적 닫힘을 조합하여 균열과 같은 곡선 구조를 견고하게 추출한다.

ABSTRACT

The detection of curvilinear structures is an important step for various computer vision applications, ranging from medical image analysis for segmentation of blood vessels, to remote sensing for the identification of roads and rivers, and to biometrics and robotics, among others. %The visual system of the brain has remarkable abilities to detect curvilinear structures in noisy images. This is a nontrivial task especially for the detection of thin or incomplete curvilinear structures surrounded with noise. We propose a general purpose curvilinear structure detector that uses the brain-inspired trainable B-COSFIRE filters. It consists of four main steps, namely nonlinear filtering with B-COSFIRE, thinning with non-maximum suppression, hysteresis thresholding and morphological closing. We demonstrate its effectiveness on a data set of noisy images with cracked pavements, where we achieve state-of-the-art results (F-measure=0.865). The proposed method can be employed in any computer vision methodology that requires the delineation of curvilinear and elongated structures.

연구 동기 및 목표

• 노이즈가 많고 복잡한 이미지에서 일반적인 목적의 곡선 구조 검출기 개발
• 포aved에서 균열과 같은 실제 이미지의 얇고 불완전하며 비틀린 선 검출 과제 해결
• 수동적인 기능 엔지니어링이 필요 없고 다양한 선 형태와 방향에 대해 일반화 가능한 뇌에 영감을 받은 학습 가능한 필터 활용
• 훈련에 광범위한 지도 데이터가 필요 없이도 벤치마크 균열 검출 데이터셋에서 최신 기술 수준의 성능 달성
• 선 분할을 포함한 다양한 컴퓨터 비전 작업에 적용 가능한 유연하고 모듈식 파이프라인 제공

제안 방법

• V1 코텍스트의 단순 세포를 모델로 한 학습 가능한, 뇌에 영감을 받은 필터인 B-COSFIRE 필터를 사용하여 원형 패턴에서 자동으로 구성된 파라미터 설정
• B-COSFIRE를 사용한 비선형 필터링을 통해 특정 너비와 방향을 가진 기하학적으로 연장된 곡선 구조에만 선택적으로 반응
• 응답 맵을 단일 픽셀 폭의 선으로 줄이기 위해 비최대값 제거 적용
• 강한 응답에 연결된 약한 응답을 유지하기 위해 히스테리시스 임계처리 적용으로 연속성 향상
• 끊어진 선 세그먼트를 재연결하고 작은 간격을 메우기 위해 형태학적 닫힘 수행
• σ₀와 α 파라미터를 통해 강건성을 제어하여 선의 형태 변화와 노이즈에 대한 내성을 확보

실험 결과

연구 질문

• RQ1 학습 가능한, 뇌에 영감을 받은 필터 접근법이 노이즈가 많은 이미지에서 얇고 불완전하며 비틀린 곡선 선을 검출하는 데 기존 방법을 능가할 수 있는가?
• RQ2 B-COSFIRE 기반 파이프라인이 실제 이미지에서 노이즈, 선 불연속성, 높은 비틀림에 대해 얼마나 강건한가?
• RQ3 B-COSFIRE 필터의 자동 구성 및 표현 학습 기능이 수동 기능 엔지니어링의 필요성을 얼마나 줄일 수 있는가?
• RQ4 제안된 파이프라인이 Crack_PV14와 같은 벤치마크 균열 검출 데이터셋에서 최신 기술 수준의 성능을 달성하는가?
• RQ5 이 방법은 곡선 구조 검출이 필요한 다양한 컴퓨터 비전 응용 분야로 일반화될 수 있는가?

주요 결과

• 제안된 방법은 Crack_PV14 데이터셋에서 최신 기술 수준의 F-measure 0.865를 달성하여 기존 방법을 능가한다.
• B-COSFIRE 필터는 노이즈에 대해 매우 강건하며, 시험된 자극에서 신호 대 잡음비(SNR)가 최소 3.56 dB까지도 잘 작동한다.
• 불완전한 선과 높은 비틀림을 가진 구조(예: 1D 가보르 함수를 따르는 것)를 노이즈가 심한 환경에서도 성공적으로 검출한다.
• 필터의 학습 가능하고 내성적인 설계 덕분에 다양한 선 너비와 방향에서도 높은 정확도를 유지한다.
• 200×300 픽셀 이미지당 평균 처리 시간은 2.7 GHz 프로세서에서 0.3575초이며, 병렬 처리 가능성이 있다.
• 선 불연속성에 대해 강건함을 입증하였으며, 각도 간격이 최대 5°인 점선 원형 패턴도 일관되게 검출한다.