[논문 리뷰] Grey Level Co-occurrence Matrix (GLCM) Based Second Order Statistics for Image Texture Analysis

Abdul Rasak Zubair, Oluwaseun Adewunmi Alo|arXiv (Cornell University)|2024. 03. 06.

Medical Image Segmentation Techniques인용 수 22

한 줄 요약

본 논문은 24장의 테스트 이미지에 대해 3방향으로 GLCM 및 GLDV 기반 2차 통계를 계산하여 질감 특징과 그 관계를 연구합니다. 매끄러움과 방향이 질감 메트릭에 미치는 영향을 분석하고 대비와의 유의한 상관관계를 보고합니다.

ABSTRACT

Grey Level Co-occurrence Matrix and Grey Level Difference Vector are described and computed for twenty four 128 x 128 x 3 test images along horizontal, vertical and diagonal directions. Second order image statistics such as Contrast, Dissimilarity, Homogeneity (Inverse Difference Moment), Angular Second Moment, Energy, Maximum Probability, Entropy, Mean, Standard Deviation and Correlation are computed and studied. Grey Level Co-occurrence Matrix (GLCM) and Grey Level Difference Vector (GLDV) are described and computed for twenty four 128 x 128 x 3 test images along horizontal, vertical and diagonal directions. Second order image statistics such as Contrast, Dissimilarity, Homogeneity (Inverse Difference Moment), Angular Second Moment (ASM), Energy, Maximum Probability, Entropy, Mean, Standard Deviation and Correlation are computed and studied. The results show that smooth images have lower Contrast values and higher Probability of Occurrence of Difference of same range as rough images having higher Contrast values and lower Probability of Occurrence. The degree of smoothness or roughness of an image may not be exactly the same along horizontal, vertical and diagonal directions. There are significant correlation between Dissimilarity & Contrast, Homogeneity & Contrast, Entropy & Contrast, Energy & Contrast, Standard Deviation & Contrast, Correlation & Contrast, and Probability of Occurrence of Difference of 0-19 & Contrast with correlation coefficients of 0.9322, -0.5011, 0.6681, -0.4255, -0.4914, 0.5428, and -0.8346 respectively.

연구 동기 및 목표

• 3채널 이미지에서 질감 분석을 위해 GLCM 및 GLDV 사용을 동기 부여한다.
• GLCM 및 GLDV에 대해 표준 2차 통계치(예: Contrast, Dissimilarity, Homogeneity, ASM, Energy, Entropy, Mean, SD, Correlation)를 계산한다.
• 질감의 매끄움/거칠기가 방향(수평, 수직, 대각선)에 따라 어떻게 달라지는지 조사한다.
• 질감 메트릭 간의 관계를 탐색하고 주목할 만한 상관관계를 보고한다.

제안 방법

• 크기 128 x 128 x 3의 24개 이미지에 대해 Grey Level Co-occurrence Matrix (GLCM) 및 Grey Level Difference Vector (GLDV)를 계산한다.
• 수평, 수직, 대각선의 세 방향으로 평가한다.
• 2차 통계치를 추출한다: Contrast, Dissimilarity, Homogeneity (Inverse Difference Moment), ASM, Energy, Maximum Probability, Entropy, Mean, Standard Deviation, 및 Correlation.
• 방향에 따라 GLCM 및 GLDV의 통계치를 계산하고 비교한다.
• 지표 간 관찰된 상관관계를 보고한다. 예: A와 B의 상관관계, 그리고 Difference 0-19의 발생 확률과 Contrast 사이의 상관관계 등.

실험 결과

연구 질문

• RQ1 질감 분석을 위한 GLCM 유도 2차 통계는 수평, 수직, 대각선 방향에 따라 어떻게 달라합니까?
• RQ2 질감의 매끄러움/거칠기와 계산된 통계치(예: Contrast, Entropy, Correlation) 간의 관계는 무엇입니까?
• RQ3 질감 메트릭 간의 어떤 쌍이 유의한 상관관계를 보이며 질감 특성화에 도움을 줄 수 있습니까?

주요 결과

• 매끈한 이미지는 대개 Contrast 값이 낮고 같은 범위의 차이에 대한 발생 확률이 더 높은 경향을 보입니다.
• 거친 이미지는 높은 Contrast를 보이고 동일한 범위의 차이에 대한 발생 확률은 더 낮습니다.
• 관찰된 유의한 상관관계로는: Dissimilarity & Contrast (0.9322), Homogeneity & Contrast (−0.5011), Entropy & Contrast (0.6681), Energy & Contrast (−0.4255), SD & Contrast (−0.4914), Correlation & Contrast (0.5428), 그리고 Difference 0-19의 발생 확률 & Contrast (−0.8346).
• 매끄러움/거칠기의 정도는 방향(수평, 수직, 대각선)에 따라 달라질 수 있다.