[논문 리뷰] Strongly Near Voronoi Nucleus Clusters

James F. Peters, Ebubeki̇r İnan|arXiv (Cornell University)|2016. 01. 29.

Quantum many-body systems참고 문헌 12인용 수 6

한 줄 요약

이 논문은 평면 표면의 비보노이 타일링에서 강한 근접성을 사용하여 중심 핵심 주변의 인접한 비보노이 영역 집합을 식별하는 강한 근접성 기반 비보노이 핵심 클러스터링을 도입한다. 주요 기여는 이러한 타일링에서 비보노이 영역의 모든 집합이 제린스키-솔탄-케이-워블 링 컨벡스리티 구조를 이룬다는 것을 증명하는 것으로, 최대 핵심 클러스터는 디지털 영상 분석, fMRI 및 톰그래피와 같은 응용 분야에서 높은 물체 농도를 나타낸다.

ABSTRACT

This paper introduces nucleus clustering in Voronoi tessellations of plane surfaces with applications in the geometry of digital images. A \emph{nucleus cluster} is a collection of Voronoi regions that are adjacent to a Voronoi region called the cluster nucleus. Nucleus clustering is a carried out in a strong proximity space. Of particular interest is the presence of maximal nucleus clusters in a tessellation. Among all of the possible nucleus clusters in a Voronoi tessellation, clusters with the highest number of adjacent polygons are called \emph{maximal nucleus clusters}. The main results in this paper are that strongly near nucleus clusters are strongly descriptively near and every collection of Voronoi regions in a tessellation of a plane surface is a Zelins'kyi-Soltan-Kay-Womble convexity structure.

연구 동기 및 목표

• 디지털 영상에서 높은 농도의 물체 영역을 탐지하기 위해 비보노이 타일링에서 강한 근접성을 기반으로 한 새로운 클러스터링 방법을 개발한다.
• 타일링된 표면에서 조밀한 물체 영역의 지표로 사용되는 최대 핵심 클러스터를 정의하고 분석한다.
• 제린스키-솔탄-케이-워블 링 공리계를 사용하여 비보노이 영역 집합과 컨벡스리티 구조 사이의 공식적 연결을 수립한다.
• 위성 영상, fMRI 및 톰그래피 영상과 같은 실세계 영상 데이터에 이 프레임워크를 적용하여 물체 탐지 및 피질 활동 맵핑을 수행한다.

제안 방법

• 핵심 클러스터를 중심 영역(핵심)에 대해 강하게 근접한 비보노이 영역의 집합으로 정의한다. 여기서 강한 근접성은 공유 경계 점을 의미한다.
• 강한 근접성($A \mathop{\delta}\limits^{\doublewedge} B$)을 사용하여 공통 점이나 변을 공유하는 인접한 비보노이 영역을 식별한다.
• 기능 벡터(예: 중심점, 면적, 기울기 방향)를 기반으로 영역을 비교하기 위해 묘사적 강한 근접성($A \mathop{\delta_{\Phi}}\limits^{\doublewedge} B$)을 도입한다.
• 비보노이 영역의 모든 부분집합의 집합($2^X$)에 대해 제린스키-솔탄-케이-워블 링 컨벡스리티 구조 공리를 적용하여 공식적인 컨벡스리티를 수립한다.
• 묘사적 교차($A \mathop{\cap}\limits_{\Phi} B$)를 사용하여 기능이 일치하는 영역을 식별하고, 묶음의 형성과 묶음의 근접성 간의 연결 고리를 형성한다.
• 기하학적 및 위상수학적 분석을 통해 타일링의 유효성을 검증하며, fMRI 및 톰그래피 영상의 예제를 포함한다.

실험 결과

연구 질문

• RQ1 강한 근접성은 타일링 내에서 인접한 비보노이 영역의 의미 있는 클러스터를 어떻게 정의할 수 있는가?
• RQ2 최대 핵심 클러스터는 무엇으로 정의되며, 영상 데이터에서 높은 물체 농도의 지표로 어떻게 기능하는가?
• RQ3 타일링 내에서 모든 비보노이 영역의 집합은 제린스키-솔탄-케이-워블 링 공리계 하에서 공식적으로 컨벡스리티 구조로 분류될 수 있는가?
• RQ4 묘사적 강한 근접성은 영상 분석 응용 분야에서 유사한 영역을 어떻게 향상시킬 수 있는가?
• RQ5 핵심 클러스터링은 fMRI 및 톰그래피 영상에서의 물체 탐지 및 활동 맵핑을 어떻게 향상시킬 수 있는가?

주요 결과

• 최대 핵심 클러스터는 공통 핵심에 대해 강하게 근접한 비보노이 영역의 가장 큰 집합으로 정의되며, 타일링된 영상에서 높은 물체 농도의 지표로 기능한다.
• 강하게 근접한 핵심 클러스터는 묶음적으로 근접함을 보이며, 중심점, 면적, 기울기 방향과 같은 일치하는 기능 기술을 공유한다.
• 타일링 내 모든 비보노이 영역 집합은 제린스키-솔탄-케이-워블 링 컨벡스리티 구조를 이룬다. 이는 멱집합 $2^X$에 대해 공리 (C0) 및 (C1)를 충족한다.
• 묘사적 교차 $A \mathop{\cap}\limits_{\Phi} B$는 영역 $A$와 $B$가 각각의 클러스터 내에서 묶음적으로 근접하는 경우에만 비어 있지 않다.
• 프레임워크는 위성 영상에서 표면 물체 탐지 및 fMRI 데이터에서 피질 활동 맵핑을 포함한 실세계 응용 분야에서 클러스터를 성공적으로 식별하고 분류한다.
• 이 방법은 최대 핵심 클러스터의 존재를 통해 3차원 톰그래피 영상에서 화석 농도를 견고하게 탐지할 수 있다.