[논문 리뷰] Morphological Filtering in Shape Spaces: Applications using Tree-Based Image Representations

Yongchao Xu, Thierry Géraud외 1명|arXiv (Cornell University)|2012. 04. 20.

Medical Image Segmentation Techniques참고 문헌 8인용 수 55

한 줄 요약

이 논문은 이미지 구성 요소의 트리 구조적 그래프로 표현된 형태 공간에 직접 연결 연산자를 적용함으로써 형태 필터링을 위한 새로운 프레임워크를 제안한다. 형태 트리를 가중치가 부여된 그래프로 간주하고, 그 속성에 대해 형태 연산(예: 클로징)을 적용함으로써, 비증가 기준에 기반한 레벨링 및 자가쌍대 형태 필터링과 같은 고급 필터링 기법을 가능하게 하여, 표준 임계값 기반 필터링보다 유의미한 객체를 보존하면서 노이즈를 효과적으로 억제한다.

ABSTRACT

Connected operators are filtering tools that act by merging elementary regions of an image. A popular strategy is based on tree-based image representations: for example, one can compute an attribute on each node of the tree and keep only the nodes for which the attribute is sufficiently strong. This operation can be seen as a thresholding of the tree, seen as a graph whose nodes are weighted by the attribute. Rather than being satisfied with a mere thresholding, we propose to expand on this idea, and to apply connected filters on this latest graph. Consequently, the filtering is done not in the space of the image, but on the space of shapes build from the image. Such a processing is a generalization of the existing tree-based connected operators. Indeed, the framework includes classical existing connected operators by attributes. It also allows us to propose a class of novel connected operators from the leveling family, based on shape attributes. Finally, we also propose a novel class of self-dual connected operators that we call morphological shapings.

연구 동기 및 목표

• 계층적으로 관련된 객체를 유지하지 못하는 표준 임계값 기반 필터링의 한계를 극복하기 위해 트리 기반 연결 필터링에서 비증가 속성으로 인한 문제를 해결한다.
• 이미지 도메인 대신 형태 공간에서 작동함으로써 기존 연결 연산자를 일반화함으로써 더 유연하고 맥락 인식 기반의 필터링을 가능하게 한다.
• 형태 필터링의 두 가지 새로운 유형을 도입한다: 비증가 조건 기반의 형태 레벨링과 자가쌍대 형태 필터링.
• 제안된 프레임워크가 고전적 속성 기반 필터링을 포함하며, 형태 트리에서 에너지 기능 최소화를 통해 더 나은 객체 탐지가 가능하다는 것을 입증한다.

제안 방법

• 입력 이미지를 구성 요소 트리(예: 최소 트리, 최대 트리, 또는 형태 트리)로 표현하여, 노드는 연결된 구성 요소를 나타내고, 간선은 포함 관계를 표현한다.
• 각 노드에 형태 속성(예: 원형도, 관성 모멘트)을 할당하여 형태 공간을 나타내는 노드 가중치가 부여된 그래프를 구성한다.
• 형태 공간의 최소 트리(TT)를 구축하여 속성의 局부 최소값을 식별함으로써 의미 있는 구성 요소 후보를 도출한다.
• 특히 속성 값에 대해 형태 클로징 연산을 적용하여 최소 트리를 단순화하고 잡음성 최소값을 제거한다.
• 단순화된 트리에서 유의미한 속성 값을 가진 구성 요소만 유지하여 필터링된 이미지를 재구성한다.
• 결과 트리를 사용하여 복합성과 기울기 등의 형태 특징을 통합한 에너지 기능 최소화를 통해 객체를 추출한다.

실험 결과

연구 질문

• RQ1 트리 기반 이미지 표현에서 임계값 기반 필터링을 초월하여 형태 공간에서 직접 작동함으로써 형태 필터링을 일반화할 수 있는가?
• RQ2 비증가 형태 속성을 효과적으로 연결 필터링에 활용하여 계층적으로 관련된 객체를 유지할 수 있는가?
• RQ3 기존의 속성 기반 필터링 방법과 비교할 때 자가쌍대 형태 필터링의 성질과 장점은 무엇인가?
• RQ4 다양한 형태 속성을 통합한 유일한 형태 필터링 프레임워크를 통해 제안된 방법이 객체 탐지 성능을 향상시킬 수 있는가?

주요 결과

• 제안된 프레임워크는 형태 공간에서 작동함으로써 고전적 속성 기반 필터링을 일반화하여, 비증가 속성 조건에서도 더 강력한 필터링이 가능하다.
• 자기쌍대 연결 필터인 형태 필터링은 속성이 단조롭지 않은 경우에도 관련 객체를 효과적으로 보존하며, 표준 임계값 기반 필터링을 능가한다.
• 객체 탐지에서, 형태 트리에서 형태 에너지 기능 최소화를 통해 의미 있는 구성 요소를 식별하며, 원형도 및 I/A² 등의 속성을 통합함으로써 성능이 향상된다.
• 실험 결과, 소멸 기반 필터링은 임계값 기반 필터링이 충돌하는 속성 값으로 인해 실패하는 경우(예: 어두운 원과 밝은 원 모두)에도 모든 원하는 객체를 복원한다.
• 다양한 형태 속성(예: 원형도 및 I/A²)을 통합하면 필터링 성능이 크게 향상되며, 임계값 기반 필터링보다도 형태 필터링이 더 우수한 성능을 보인다.
• 이 방법은 일반적이고 확장 가능하다: 임의의 형태 속성 또는 조합을 지원하며, 최소 트리, 최대 트리 또는 형태 트리에 모두 적용 가능하므로 영상 처리 분야에서 넓은 적용 가능성을 가진다.