[論文レビュー] An Efficient Evolutionary Based Method For Image Segmentation

Aslanzadeh, Roohollah, Kazem Qazanfari+1 more|arXiv (Cornell University)|Sep 13, 2017

Medical Image Segmentation Techniques参考文献 28被引用数 7

ひとこと要約

本論文では、洪水浸食分離、共進化的統合、メタヒューティックな領域中心接続、進化的領域結合を組み合わせた、4段階の効率的で進化的な画像分離手法を提案する。この手法はBSDS 300データセットにおいて優れた性能を発揮し、70%の画像でACTを上回り、100%のケースでVSPを上回る。高柔軟性、並列処理可能性、自由パラメータによる均一性と領域数の制御が可能である。

ABSTRACT

The goal of this paper is to present a new efficient image segmentation method based on evolutionary computation which is a model inspired from human behavior. Based on this model, a four layer process for image segmentation is proposed using the split/merge approach. In the first layer, an image is split into numerous regions using the watershed algorithm. In the second layer, a co-evolutionary process is applied to form centers of finals segments by merging similar primary regions. In the third layer, a meta-heuristic process uses two operators to connect the residual regions to their corresponding determined centers. In the final layer, an evolutionary algorithm is used to combine the resulted similar and neighbor regions. Different layers of the algorithm are totally independent, therefore for certain applications a specific layer can be changed without constraint of changing other layers. Some properties of this algorithm like the flexibility of its method, the ability to use different feature vectors for segmentation (grayscale, color, texture, etc), the ability to control uniformity and the number of final segments using free parameters and also maintaining small regions, makes it possible to apply the algorithm to different applications. Moreover, the independence of each region from other regions in the second layer, and the independence of centers in the third layer, makes parallel implementation possible. As a result the algorithm speed will increase. The presented algorithm was tested on a standard dataset (BSDS 300) of images, and the region boundaries were compared with different people segmentation contours. Results show the efficiency of the algorithm and its improvement to similar methods. As an instance, in 70% of tested images, results are better than ACT algorithm, besides in 100% of tested images, we had better results in comparison with VSP algorithm.

研究の動機と目的

• 進化的計算と人間の行動にインspiredされた、新規で効率的な画像分離手法の開発。
• グレースケール、カラー、テクスチャなどの多様な特徴ベクトルを用いた柔軟な分離と、最終的な領域数および均一性の制御。
• 各段階における領域と中心の独立性を保証することで、並列実装を支援。
• 標準ベンチマーク上で、ACT や VSP といった既存手法よりも高い分離精度を実現。
• 個々の段階をパイプラインの他の部分に影響を与えずに交換可能であるモジュラーなフレームワークの設計。

提案手法

• 最初の段階では、画像を多数の一次領域に分割するため、洪水浸食アルゴリズムを用いる。
• 2番目の段階では、類似した一次領域を統合して最終的なセグメンテーション中心を形成する共進化的プロセスを適用する。
• 3番目の段階では、2つの演算子を用いたメタヒューティックプロセスを用い、残存領域を最も近い決定済み中心に接続する。
• 4番目の段階では、進化的アルゴリズムを用いて類似した隣接領域を統合して最終的なセグメントを形成する。
• 各段階は独立して動作するため、モジュラーな交換が可能であり、並列実行を容易にする。
• 自由パラメータにより、最終的なセグメントの均一性と数を制御でき、さまざまな応用に適応可能である。

実験結果

リサーチクエスチョン

• RQ1 進化的計算に基づく分離フレームワークは、ACT や VSP といった既存手法よりも高い精度を達成できるか？
• RQ2 4段階のモジュラー設計は、個々のコンponentsの独立した最適化をどの程度可能にするか？
• RQ3 小さな領域を保持する能力は、分離の均一性を維持しながらどれほど効果的か？
• RQ4 領域と中心の処理の独立性は、実行時間性能の向上を図るための効率的な並列処理を可能にするか？
• RQ5 色やテクスチャなどの異なる特徴ベクトルを用いた場合、この手法は多様な画像タイプにどれほど一般化できるか？

主な発見

• 提案手法は、BSDS 300データセットのテスト画像の70%において、ACTアルゴリズムを上回った。
• テスト画像の100%において、VSPアルゴリズムよりも優れた結果を達成した。
• このアルゴリズムは小さな領域を保持することができ、それらの特徴を無視する傾向がある他の手法に比べ、大きな利点を有する。
• 2番目の段階における領域の独立性と3番目の段階における中心の独立性により、効率的な並列実装が可能となり、処理速度が向上した。
• 自由パラメータの使用により、ユーザーは最終的なセグメント数とその均一性を制御でき、応用に応じた柔軟性が向上した。
• グレースケール、カラー、テクスチャを含む多様な特徴ベクトルをサポートすることで、この手法は高い柔軟性を示した。