[논문 리뷰] A Type–II Fuzzy Entropy Based Multi-Level Image Thresholding Using Adaptive Plant Propagation Algorithm

Sayan Nag|arXiv (Cornell University)|2017. 01. 01.

Medical Image Segmentation Techniques참고 문헌 20인용 수 4

한 줄 요약

이 논문은 다중 수준 영상 임계치 설정을 위한 새로운 방법을 제안하며, 유형-II 퍼지 엔트로피와 적응형 식물 번식 알고리즘(APPA)을 조합하여 임계치 선택을 최적화한다. 유형-II 퍼지 엔트로피를 최대화함으로써, 기존의 PSO, GSA, GA와 비교해 더 높은 분할 정확도와 더 빠른 수렴 속도를 달성하며, APPA는 여러 테스트 이미지에서 가장 높은 적합도 값과 가장 낮은 표준편차를 보여 최고의 성능을 발휘한다.

ABSTRACT

One of the most straightforward, direct and efficient approaches to Image Segmentation isImage Thresholding. Multi-level Image Thresholding is an essential viewpoint in many image processing andPattern Recognition based real-time applications which can effectively and efficiently classify the pixels intovarious groups denoting multiple regions in an Image. Thresholding based Image Segmentation using fuzzyentropy combined with intelligent optimization approaches are commonly used direct methods to properlyidentify the thresholds so that they can be used to segment an Image accurately. In this paper a novel approachfor multi-level image thresholding is proposed using Type II Fuzzy sets combined with Adaptive PlantPropagation Algorithm (APPA). Obtaining the optimal thresholds for an image by maximizing the entropy isextremely tedious and time consuming with increase in the number of thresholds. Hence, Adaptive PlantPropagation Algorithm (APPA), a memetic algorithm based on plant intelligence, is used for fast and efficientselection of optimal thresholds. This fact is reasonably justified by comparing the accuracy of the outcomes andcomputational time consumed by other modern state-of-the-art algorithms such as Particle SwarmOptimization (PSO), Gravitational Search Algorithm (GSA) and Genetic Algorithm (GA).

연구 동기 및 목표

• 임계치 수가 증가함에 따라 기존의 다중 수준 임계치 설정 방법의 계산 복잡도와 비효율성을 해결하기 위해.
• 유형-II 퍼지 집합을 활용하여 이미지 히스토그램의 불확실성을 더 잘 다루는 방식으로 분할 정확도를 향상시키기 위해.
• 새로운 메믹 알고리즘인 적응형 식물 번식 알고리즘(APPA)을 통해 계산 시간을 줄이고 수렴 속도를 향상시키기 위해.
• 분할 품질과 실행 시간 측면에서 기존 메타휴리스틱 알고리즘인 PSO, GSA, GA를 능가하기 위해.

제안 방법

• 이 방법은 임계치 값을 최적화함으로써 영상 분할 품질을 극대화하기 위해 유형-II 퍼지 엔트로피를 적합도 함수로 사용한다.
• 이미지 히스토그램은 유형-II 퍼지 소속 함수를 사용하여 분할되며, 퍼지 집합의 엔트로피가 계산되어 분할 효과를 평가한다.
• 식물에서 영감을 받은 메타휴리스틱 알고리즘인 APPA는 국소 탐색과 전역 탐색을 통해 반복적으로 개선되는 후보 해를 통해 최적의 임계치를 탐색한다.
• 알고리즘은 후보 임계치 집합의 집단을 초기화하고, 유형-II 퍼지 엔트로피를 사용해 적합도를 평가하며, 식물 번식에서 영감을 받은 선택, 교차, 변이 유사 연산을 통해 해를 진화시킨다.
• APPA는 탐색과 탐험의 균형을 이루기 위해 적응형 파rameter를 통합하여 수렴 속도와 해 품질을 향상시킨다.
• 수렴에 도달할 때까지 반복적으로 최적화 과정을 반복하며, 최종 분할을 위해 최고의 임계치 집합을 선택한다.

실험 결과

연구 질문

• RQ1 유형-II 퍼지 엔트로피는 기존의 엔트로피 측정 방식보다 다중 수준 영상 임계치 설정에서 더 높은 분할 정확도를 제공할 수 있는가?
• RQ2 제안된 APPA 최적화기의 성능은 PSO, GSA, GA와 비교해 적합도 값, 수렴 속도, 내구성 측면에서 어떻게 다른가?
• RQ3 유형-II 퍼지 집합의 사용이 복잡한 강도 분포와 겹치는 히스토그램 영역을 가진 영상에서 임계치 설정에 뚜렷한 향상을 가져오는가?
• RQ4 임계치 수가 증가함에 따라 제안된 방법이 계산 시간을 줄이며 높은 정확도를 유지할 수 있는가?

주요 결과

• APPA는 모든 테스트 이미지와 임계치 수준에서 가장 높은 평균 적합도 값을 기록했으며, 수준 3에서 이미지 55067의 경우 16.6988을 기록해 PSO(16.4828), GSA(16.1281), GA(16.5737)를 모두 초월했다.
• APPA는 적합도 값의 표준편차가 가장 낮았으며, 예를 들어 수준 3에서 이미지 55067의 경우 5.42×10⁻⁷을 기록해 뛰어난 해의 일관성과 내구성을 입증했다.
• 수렴 플롯을 통해 APPA가 PSO, GSA, GA보다 더 빠르고 안정적으로 수렴하며, 최소한의 진동과 함께 최적의 적합도에 신속히 도달하는 것으로 나타났다.
• 수준 4에서 이미지 388016의 경우 APPA는 21.0333의 적합도 값을 기록했으며, GA(20.7835), PSO(20.8155), GSA(20.3838)보다 뚜렷하게 높아 최적화 우수성을 확인했다.
• APPA는 PSO, GSA, GA보다 평균 계산 시간이 더 적게 소요되어 실시간 응용에 적합하다.
• 이 방법은 산과 하늘이 혼합된 이미지 241004와 사람과 벽이 있는 이미지 388016과 같이 복잡한 영상도 고수준의 임계치에서 높은 정밀도로 다수의 영역으로 성공적으로 분할했다.