[논문 리뷰] Image Segmentation using Multi-Threshold technique by Histogram Sampling

Amit Gurung, Sangyal Lama Tamang|arXiv (Cornell University)|2019. 09. 11.

Advanced Image and Video Retrieval Techniques참고 문헌 33인용 수 4

한 줄 요약

이 논문은 히스토그램의 골짜기(밸리)를 샘플링하고 히스토그램을 균일한 영역으로 분할하여 균일한 분포를 확보함으로써 최적의 임계값을 자동으로 선택하는 히ュ리스틱 다중 임계값 영상 분할 방법인 AMTIS를 제안한다. 제안된 방법은 표준 벤치마크에서 Otsu의 방법 대비 최대 35.58배의 속도 향상을 달성하면서도 분할 품질을 유지하거나 향상시키며, PSNR, SSIM, FSIM 지표를 통해 검증되었다.

ABSTRACT

The segmentation of digital images is one of the essential steps in image processing or a computer vision system. It helps in separating the pixels into different regions according to their intensity level. A large number of segmentation techniques have been proposed, and a few of them use complex computational operations. Among all, the most straightforward procedure that can be easily implemented is thresholding. In this paper, we present a unique heuristic approach for image segmentation that automatically determines multilevel thresholds by sampling the histogram of a digital image. Our approach emphasis on selecting a valley as optimal threshold values. We demonstrated that our approach outperforms the popular Otsu's method in terms of CPU computational time. We demonstrated that our approach outperforms the popular Otsu's method in terms of CPU computational time. We observed a maximum speed-up of 35.58x and a minimum speed-up of 10.21x on popular image processing benchmarks. To demonstrate the correctness of our approach in determining threshold values, we compute PSNR, SSIM, and FSIM values to compare with the values obtained by Otsu's method. This evaluation shows that our approach is comparable and better in many cases as compared to well known Otsu's method.

연구 동기 및 목표

• 기존의 Otsu의 방법처럼 높은 계산 비용을 가지는 전통적 방법들을 피하면서도 빠르고 효율적인 다중 임계값 영상 분할 기법을 개발하는 것.
• 이미지 히스토그램의 골짜기(밸리)를 식별하여 히ュ리스틱 샘플링 전략을 활용해 최적의 임계값을 자동으로 결정하는 것.
• 특히 다수의 임계값을 사용하는 경우에 대해 분할 품질을 훼손하지 않으면서도 계산 효율성을 향상시키는 것.
• 실시간 또는 자원 제약이 있는 환경에서 Otsu의 방법에 대한 확장 가능하고 구현 가능한 대안을 제공하는 것.
• 다양한 이미지 벤치마크에서 PSNR, SSIM, FSIM 등의 기준 지표와 계산 시간을 기반으로 제안된 방법의 성능을 검증하는 것.

제안 방법

• 방법은 먼저 이미지의 강도 히스토그램에서 모든 국소 최솟값(골짜기)을 식별하기 위해 경사 하강법을 적용한다.
• 히스토그램을 균일한 크기의 영역으로 나누어 각 영역 내 최소 빈도를 확인함으로써 후보 임계값을 생성한다.
• 후보 임계값이 히스토그램 전반에 걸쳐 균일하게 분포되도록 선택하여, 한 영역 내에 다수의 국소 최솟값이 존재할 경우의 중복을 줄인다.
• 선택된 임계값 기반으로 간단한 클러스터링 방법을 사용해 픽셀을 그룹화하며, 최종 임계값은 골짜기 지점에 강조된다.
• 알고리즘은 최적의 임계값으로 골짜기 지점을 우선시하여 영상 영역 간 자연스러운 분할 경계를 확보하고자 한다.
• 이 방법은 MATLAB로 구현되어 표준 이미지 벤치마크를 사용해 평가되었으며, 성능은 Otsu의 방법과 속도 및 품질 지표에서 비교되었다.

실험 결과

연구 질문

• RQ1 계산 비용이 높은 최적화에 의존하지 않고도 히스토그램 샘플링 기반 접근이 다수의 임계값을 효율적이고 자동으로 결정할 수 있는가?
• RQ2 다양한 이미지 벤치마크에서 제안된 방법은 Otsu의 방법에 비해 얼마나 더 빠른가?
• RQ3 PSNR, SSIM, FSIM로 측정했을 때 제안된 방법의 분할 품질이 Otsu의 방법과 비교해 어느 정도 유사하거나 뛰어나게 되는가?
• RQ4 히스토그램 전반에 걸쳐 후보 임계값의 균일한 분포가 분할의 안정성 향상과 국소 노이즈에 대한 과적합 방지에 기여하는가?
• RQ5 현재의 단순한 클러스터링 접근 방식의 한계는 무엇이며, 고도화된 클러스터링 기법은 성능 향상에 어떻게 기여할 수 있는가?

주요 결과

• 제안된 AMTIS 방법은 표준 이미지 벤치마크에서 Otsu의 방법 대비 최대 35.58배, 최소 10.21배의 속도 향상을 달성하여 뚜렷한 계산 효율성을 입증하였다.
• 모든 테스트된 벤치마크에서 AMTIS는 Otsu의 방법보다 CPU 계산 시간 측면에서 뛰어난 성능을 보이며 일관된 속도 향상을 보였다.
• AMTIS를 사용한 분할 결과는 시각적으로 더 명확하며, Otsu의 방법과 유사한 품질을 보이며, PSNR, SSIM, FSIM 값에서 많은 경우 동등하거나 더 높은 품질을 나타냈다.
• 이 방법은 히스토그램의 골짜기를 성공적으로 식별하고 최적의 임계값 후보로 활용하여 자연스러운 분할 경계를 확보하였다.
• 단, 일부 벤치마크에서는 단순한 클러스터링 접근 방식의 한계로 인해 최적의 임계값을 계산하지 못하는 경우가 있어, 향후 개선된 클러스터링 히ュ리스틱이 필요함을 시사한다.
• Lena, Cameraman, Baboon, Finger-Print 등의 벤치마크에서의 시각적 결과는 AMTIS가 인간의 시각적 인식에 부합하는 고품질의 분할을 제공하며 명확한 객체-배경 분리가 이루어짐을 보여주었다.