[논문 리뷰] Automatic Tree Ring Detection using Jacobi Sets

Kayla Makela, Tim Ophelders외 4명|arXiv (Cornell University)|2020. 10. 17.

Tree-ring climate responses참고 문헌 13인용 수 5

한 줄 요약

이 논문은 3차원 X선 CT 스캔에서 나무 결의 중심과 경계를 자동으로 감지하기 위한 방법을 제시한다. 이 방법은 특히 자카비 집합과 지속 호몰로지 기반의 위상적 데이터 분석을 사용한다. 소벨 필터링, 가우시안 블러링, 에디트 거리 최적화 기반의 파라미터 조정을 조합함으로써, MtreeRing과 같은 기존 자동화 도구보다 높은 정확도를 달성한다. 각각 레드 시더와 스파르탄에 대해 에디트 비용은 964와 2213이며, MtreeRing의 2841과 2661보다 낮다.

ABSTRACT

Tree ring widths are an important source of climatic and historical data, but measuring these widths typically requires extensive manual work. Computer vision techniques provide promising directions towards the automation of tree ring detection, but most automated methods still require a substantial amount of user interaction to obtain high accuracy. We perform analysis on 3D X-ray CT images of a cross-section of a tree trunk, known as a tree disk. We present novel automated methods for locating the pith (center) of a tree disk, and ring boundaries. Our methods use a combination of standard image processing techniques and tools from topological data analysis. We evaluate the efficacy of our method for two different CT scans by comparing its results to manually located rings and centers and show that it is better than current automatic methods in terms of correctly counting each ring and its location. Our methods have several parameters, which we optimize experimentally by minimizing edit distances to the manually obtained locations.

연구 동기 및 목표

• 3차원 X선 CT 스캔에서 나무 결 중심과 고리 경계를 자동으로 감지함으로써 수작업 노동을 줄이기 위해.
• 사용자가 측정 경로나 중심 마크를 정의해야 하는 기존 자동화 도구의 한계를 해결하기 위해.
• 결의 변형, 결실, 중복 결, 변동하는 대trast 등 도전 과제에도 불구하고 정확도를 향상시키기 위해.
• 위상적 데이터 분석을 활용한 파라미터 최적화 파이프라인을 개발하여 다양한 나무 종에 걸쳐 견고한 성능을 확보하기 위해.
• 에디트 거리 메트릭을 사용하여 수작업 기준값과 최신 오픈소스 소프트웨어(MtreeRing)를 평가하기 위해.

제안 방법

• 다양한 방향의 소벨 필터를 적용하여 2차원 CT 슬라이스에서 기울기 기반 에지 감지를 수행하고, 잠재적 고리 경계를 식별한다.
• 조정 가능한 σ를 사용한 가우시안 블러링을 적용하여 노이즈를 감소시키고 특징의 일관성을 향상시킨다.
• 기울기 크기와 방향에서 자카비 집합을 계산하여 임계점을 식별하고 에지 국소화를 정밀화한다.
• 지속 호몰로지를 적용하여 허위 에지를 걸러내고 위상적으로 의미 있는 고리 구조를 유지한다.
• 감지된 중심을 기반으로 2차원 슬라이스를 극좌표계로 변환하여 고리를 편 평면으로 펴서 분석을 단순화한다.
• 에디트 거리 기반의 비용 함수를 사용하여 세 가지 핵심 파라미터—사전 임계값, 사후 임계값, 블러(σ)—를 최적화한다.

실험 결과

연구 질문

• RQ1 자카비 집합과 위상적 데이터 분석은 기존 영상 처리 기법에 비해 3차원 CT 스캔에서 자동 나무 결 감지의 정확도를 향상시킬 수 있는가?
• RQ2 이 방법은 중심 표시나 측정 경로 정의와 같은 사용자 입력 의존도를 어느 정도 줄일 수 있는가?
• RQ3 블러, 임계값 등의 파라미터 선택이 감지 정확도에 어떤 영향을 미치며, 다양한 나무 종에 맞게 자동으로 최적화될 수 있는가?
• RQ4 기존 오픈소스 도구(MtreeRing)와 비교해 보면, 고리 경계 감지 정확도 측면에서 이 방법은 얼마나 정량적으로 뛰어난가?
• RQ5 결의 변형, 결실, 또는 변동하는 대비가 있는 상황에서도 이 방법은 신뢰성 있게 고리 경계를 감지할 수 있는가?

주요 결과

• 레드 시더의 경우 에디트 거리 비용이 964로, MtreeRing의 2841보다 유의미하게 낮아 더 높은 정확도를 나타낸다. 스파르탄의 경우 2213으로 MtreeRing의 2661보다 낮다.
• 레드 시더의 최적 파라미터는 블러 σ = 1, 사전 임계값 = 0.12, 사후 임계값 = 0.02이며, 스파르탄의 경우 σ = 2, 사전 임계값 = 0.16, 사후 임계값 = 0.0이다.
• 자카비 집합과 지속 호몰로지와 같은 위상 도구의 사용으로, 노이즈가 많거나 비정상적인 영역에서도 에지 감지의 강건성이 향상되었다.
• 중심 감지 이후 극좌표계 변환을 통해 반사선을 따라 더 정확한 고리 폭 측정이 가능해졌다.
• 이 방법은 사용자 입력이 매우 적었으며, 중심 감지를 위한 초기 2차원 슬라이스 외에는 추가 입력이 필요로 하지 않아 고도의 자동화 잠재력을 입증했다.
• 두 테스트 데이터셋 모두에서 MtreeRing을 능가하는 성능을 보여, 실제 3차원 CT 스캔 데이터에서의 효과성을 확인했다.