[논문 리뷰] Unsupervised Segmentation of Multispectral Images with Cellular Automata

Torres, Wuilian, Wuilian Torres|arXiv (Cornell University)|2014. 01. 01.

Cellular Automata and Applications참고 문헌 1인용 수 1

한 줄 요약

이 논문은 고해상도 다중스펙트럼 위성 이미지에 대해 자동으로 생성된 시드 세포를 사용하는 결정론적 세포자기모형을 활용한 비지도 분할 방법을 제안한다. 이 방법은 공간 분포와 스펙트럼 다양성을 바탕으로 시드를 선택하고, 경쟁적 공격 규칙을 통해 자동형을 진화시키며, 사용자가 정의한 척도 이하(150 픽셀)의 작은 세그먼트를 제거함으로써 수동 임계치 설정 없이 정확하고 확장 가능하며 사용자 상호작용이 적은 분할을 달성한다.

ABSTRACT

Multispectral images acquired by satellites are used to study phenomena on the Earth's surface. Unsupervised classification techniques analyze multispectral image content without considering prior knowledge of the observed terrain; this is done using techniques which group pixels that have similar statistics of digital level distribution in the various image channels. In this paper, we propose a methodology for unsupervised classification based on a deterministic cellular automaton. The automaton is initialized in an unsupervised manner by setting seed cells, selected according to two criteria: to be representative of the spatial distribution of the dominant elements in the image, and to take into account the diversity of spectral signatures in the image. The automaton's evolution is based on an attack rule that is applied simultaneously to all its cells. Among the noteworthy advantages of deterministic cellular automata for multispectral processing of satellite imagery is the consideration of topological information in the image via seed positioning, and the ability to modify the scale of the study.

연구 동기 및 목표

• 객체 기반 분류에서 사용자 의존도를 줄이기 위해 시드 선택과 분할 임계치 설정을 자동화하기 위해.
• 상용 소프트웨어에서 수동 임계치 설정으로 인해 발생하는 고공간 해상도 다중스펙트럼 이미지의 과잉 분할 문제를 해결하기 위해.
• 결정론적 세포자기모형을 통해 위상적 및 스펙트럼 정보를 통합함으로써 분할 품질을 향상시키기 위해.
• 사용자가 정의한 크기 임계치(150 픽셀) 이하의 세그먼트를 제거함으로써 척도 인지 분할을 가능하게 하기 위해.
• 다중스펙트럼 영상 분석을 위한 K-means 및 Isodata에 대한 완전히 비지도이며 계산적으로 효율적인 대안을 제공하기 위해.

제안 방법

• 각 세포가 강도 수준과 레이블을 가지며, 이웃 세포의 강도와 스펙트럼 거리에 기반한 동시에 적용되는 공격 규칙에 따라 진화하는 결정론적 세포자기모형을 사용한다.
• 시드 세포는 이중 단계 과정을 통해 초기화된다: 첫째, 다중밴드 디지털 레벨 합을 분석하여 히스토그램 내 대표 범위를 식별하고, 둘째, 이러한 범위 내의 픽셀을 시드로 선택한다.
• 공격 강도는 이웃 세포의 강도와 스펙트럼 차이에 기반한 역거리 항목의 곱으로 계산되며, 영역 성장 시 균일성을 촉진한다.
• 자동형은 수렴할 때까지 반복적인 상태 갱신을 통해 진화하며, 최종 레이블 분포가 분할 결과를 정의한다.
• 과잉 분할을 줄이기 위해, 150 픽셀 이하의 세그먼트에 해당하는 레이블과 강도를 식별하고 비활성화한 후 자동형을 재초기화한다.
• 각 세그먼트의 스펙트럼 서명은 세그먼트 내 N차원 픽셀 벡터의 중심점으로 계산되며, 이는 후속 객체 기반 분류를 가능하게 한다.

실험 결과

연구 질문

• RQ1 비지도 시드 초기화를 갖는 결정론적 세포자기모형이 다중스펙트럼 위성 이미지의 고품질 분할을 달성할 수 있는가?
• RQ2 스펙트럼 다양성과 공간 분포를 기반으로 한 제안된 시드 선택 방법이 수동 임계치 설정에 비해 분할 정확도를 얼마나 향상시키는가?
• RQ3 자동형의 진화 규칙이 계산 시간을 얼마나 줄일 수 있으며, 동시에 분할 품질을 유지할 수 있는가?
• RQ4 150 픽셀 이하의 세그먼트를 자동으로 제거하는 것이 관련 기능을 손상시키지 않으면서 과잉 분할을 효과적으로 줄일 수 있는가?
• RQ5 자동형의 공격 규칙에 위상적 및 스펙트럼 정보를 통합함으로써 분할의 강건성이 얼마나 향상되는가?

주요 결과

• 알고리즘은 91번의 진화 단계를 거쳐 미라니다 위성 영상의 투렌 지역을 27,171개의 세그먼트로 분할하였으며, 46개의 고유 레이블에 101,175개의 시드 세포가 할당되었다.
• 150 픽셀 이하의 세그먼트를 제거하기 위해 재초기화한 후 최종 분할 결과는 1,593개의 세그먼트로 감소하여 과잉 분할이 크게 줄어들었다.
• 시드 선택 과정은 3밴드 이미지에서 18개의 스펙트럼 영역을 식별하여 공간 영역 전반에 걸쳐 다양한 스펙트럼 서명을 커버함을 보장했다.
• 스펙트럼 중심점 기반 서명의 사용으로 각 세그먼트의 스펙트럼 특성을 정확하게 표현할 수 있었으며, 객체 기반 분류에 유리했다.
• 이 방법은 세분화의 세부성과 척도의 관련성 사이의 균형을 달성하였으며, 사용자 정의 임계치 없이도 작은 불필요한 세그먼트를 자동으로 제거하였다.
• 결정론적 세포자기모형 접근법은 효율적인 공격 규칙과 局소적 진화 덕분에 기존의 픽셀 기반 방법(K-means 등)에 비해 계산 시간이著명히 감소함을 보였다.