[논문 리뷰] Left-invariant Stochastic Evolution Equations on SE(2) and its Applications to Contour Enhancement and Contour Completion via Invertible Orientation Scores

Remco Duits, Erik Franken|ArXiv.org|2007. 11. 06.

Image and Signal Denoising Methods인용 수 4

한 줄 요약

이 논문은 유클리드 운동군 SE(2) 위에서의 왼쪽 불변 확산 확률 미분 방정식에 대해 정확한 그린 함수(열핵)를 이용해 명시적 해를 제시한다. 이러한 해는 윤곽 강조 및 완성에 적합한 역행 가능(역소가 가능한) 방향성 점수를 가능하게 하며, 일관성 있고 곡률 적응형 확산 및 지오데식 기반 형태학을 통해 의료 영상 분석에 적용된다.

ABSTRACT

We provide the explicit solutions of linear, left-invariant, (convection)-diffusion equations and the corresponding resolvent equations on the 2D-Euclidean motion group SE(2). These diffusion equations are forward Kolmogorov equations for stochastic processes for contour enhancement and completion. The solutions are group-convolutions with the corresponding Green's function, which we derive in explicit form. We mainly focus on the Kolmogorov equations for contour enhancement processes which, in contrast to the Kolmogorov equations for contour completion, do not include convection. The Green's functions of these left-invariant partial differential equations coincide with the heat-kernels on SE(2), which we explicitly derive. Then we compute completion distributions on SE(2) which are the product of a forward and a backward resolvent evolved from resp. source and sink distribution on SE(2). On the one hand, the modes of Mumford's direction process for contour completion coincide with elastica curves minimizing $\int κ^{2} + εds$, related to zero-crossings of 2 left-invariant derivatives of the completion distribution. On the other hand, the completion measure for the contour enhancement concentrates on geodesics minimizing $\int \sqrt{κ^{2} + ε} ds$. This motivates a comparison between geodesics and elastica, which are quite similar. However, we derive more practical analytic solutions for the geodesics. The theory is motivated by medical image analysis applications where enhancement of elongated structures in noisy images is required. We use left-invariant (non)-linear evolution processes for automated contour enhancement on invertible orientation scores, obtained from an image by means of a special type of unitary wavelet transform.

연구 동기 및 목표

• 2차원 유클리드 운동군인 SE(2) 위에서의 왼쪽 불변 확산 과정에 대해 윤곽 강화 및 완성을 위한 명시적 해를 유도하는 것.
• 완성 분포의 모드와 곡률 기반 에너지 함수를 최소화하는 탄성곡선(elastica) 또는 지오데식 곡선 간의 관계를 설정하는 것.
• 유니타리 웨이블릿 변환을 이용한 방향성 점수의 역행 가능성 프레임워크를 개발하여, 완성 과정에서의 소스 및 싱크 분포를 모두 가능하게 하는 것.
• SE(2) 위의 미분 기하학을 활용해 방향성 점수에 곡률 적응형 확산을 통합함으로써 일관성 강화 확산을 향상시키는 것.
• 해밀턴-자코비 방정식과 지오데식 기반으로 방향성 점수에 대한 형태학 이론을 제안하여 그래픽적 얇게 처리(스러짐) 및 침식을 가능하게 하는 것.

제안 방법

• 대류가 없는 전진 콜모고로프 방정식의 해로서 SE(2) 위에서의 왼쪽 불변 확산에 대한 정확한 그린 함수(열핵)를 유도한다.
• 그린 함수와의 군 컨볼루션을 통해 전진 및 역행 리졸베ント 진화를 이용해 완성 분포를 계산한다.
• 횔란더 조건 하에서 SE(2) 위의 열핵에 대한 다루기 쉬운 근사값을 도출하기 위해 헤이젠베르크 유형 군 근사를 적용한다.
• 카르탕 접속과 주기저다발 이론을 활용해 수평 곡선을 정의하고, 방향성 점수에서 공간 곡률을 추출한다.
• 브라이언트와 그리피스의 감소 방법을 오일러-라그랑주 방정식에 적용하여, 특수함수를 사용하지 않은 해석적 해를 얻는다.
• 게이지 좌표를 통한 곡률 통합을 통해 방향성 점수에 비선형 적응형 확산을 도입함으로써 기존의 일관성 강화 확산을 향상시킨다.

실험 결과

연구 질문

• RQ1 왼쪽 불변 확산 과정을 열핵과 그린 함수를 이용해 SE(2)에서 어떻게 명시적으로 해결할 수 있는가?
• RQ2 완성 분포의 모드와 곡률 에너지 기반 최소화 곡선인 탄성곡선 또는 지오데식 곡선 간의 관계는 무엇인가?
• RQ3 SE(2) 위의 지오데식 곡선은 형태와 해석적 다루기 쉬움 측면에서 탄성곡선과 어떻게 비교되는가?
• RQ4 역행 가능 방향성 점수를 사용하여 윤곽 강화 및 완성 과정에서 소스 및 싱크 분포 모두로 활용할 수 있는가?
• RQ5 교차하는 윤곽이 존재할 경우, 방향성 점수에 곡률 적응형 확산을 적용하면 일관성 강화 확산이 어떻게 향상되는가?

주요 결과

• SE(2) 위의 정확한 열핵이 닫힌 형태로 유도되었으며, 이는 왼쪽 불변 확산 과정에 대한 명시적 그린 함수를 제공한다.
• 완성 분포의 모드는 ∫(κ² + ε)ds를 최소화하는 탄성곡선과 일치하며, 두 개의 왼쪽 불변 도함수의 영점에서 탐지된다.
• 예상 수명이 짧을 경우(1/α → 0), 윤곽 강화를 위한 완성 측도는 ∫√(κ² + ε)ds를 최소화하는 지오데식 곡선에 집중된다.
• 노이터 정리에 의한 페프시안 시스템 감소를 통해 특수함수 없이도 SE(2) 위의 지오데식 곡선이 해석적으로 구해진다.
• 헤이젠베르크 근사는 열핵에 대해 정규분포 상한을 제공하며, 정확한 상수 c = √[4]{2} ≈ 1.19를 갖는다.
• 방향성 점수에 비선형 적응형 확산을 적용함으로써 교차 윤곽을 효과적으로 처리할 수 있었으며, 기존의 일관성 강화 확산보다 정성적으로 향상된 결과를 얻었다.