[論文レビュー] Leaf vein segmentation using Odd Gabor filters and morphological operations

Vini Katyal, Aviral Aviral|arXiv (Cornell University)|Jun 22, 2012

Leaf Properties and Growth Measurement参考文献 8被引用数 13

ひとこと要約

本稿では、細い繊維状の葉脈を強化して検出するためのOdd Gaborフィルタを用いた新しい葉脈セグメンテーション手法を提案する。さらに、形態的操作を組み合わせることでセグメンテーション結果を精錬する。本手法は従来の技術と比較して、より高いロバスト性とスケーラビリティを示し、植物種分類およびデータベースインデックス作成に不可欠な正確で信頼性の高い脈幹抽出を達成する。

ABSTRACT

Leaf vein forms the basis of leaf characterization and classification. Different species have different leaf vein patterns. It is seen that leaf vein segmentation will help in maintaining a record of all the leaves according to their specific pattern of veins thus provide an effective way to retrieve and store information regarding various plant species in database as well as provide an effective means to characterize plants on the basis of leaf vein structure which is unique for every species. The algorithm proposes a new way of segmentation of leaf veins with the use of Odd Gabor filters and the use of morphological operations for producing a better output. The Odd Gabor filter gives an efficient output and is robust and scalable as compared with the existing techniques as it detects the fine fiber like veins present in leaves much more efficiently.

研究の動機と目的

• 植物種の特徴付けに不可欠な葉脈をより正確かつスケーラブルにセグメンテーションする手法の開発。
• 高度なフィルタリング技術を用いて、葉画像における細く薄い、複雑な脈構造を検出する課題に対処すること。
• ノイズ低減と構造的精錬のため、Odd Gaborフィルタと形態的操作を統合することでセグメンテーション品質を向上させること。
• 固有の脈構造に基づく効率的な植物種データの保存および検索を可能にすること。
• さまざまな画像条件下でも従来手法を上回る、微細な脈構造を検出できる頑健なソリューションを提供すること。

提案手法

• 本手法は、葉脈の方向性および空間周波数成分を検出するためにOdd Gaborフィルタを用い、細い線形構造への感受性を高める。
• 入力された葉画像にOdd Gaborフィルタを適用し、脈に類似した特徴を強調する応答マップを生成する。
• ノイズ除去および断たれた脈セグメントの接続のため、オープニングおよびクロージングなどの形態的操作を応答マップに適用する。
• さらに、しきい値処理およびバイナリ形態的操作を用いて出力を処理し、滑らかでつながったバイナリセグメンテーションマスクを生成する。
• Odd Gaborフィルタの位相および方向選択性を活用し、細く連続する脈を保持するとともに、背景のテクスチャを抑制する。
• 最終的なセグメンテーションは、フィルタ応答と形態的操作による精錬を組み合わせることで得られ、連続性が向上し、誤検出が低減される。

実験結果

リサーチクエスチョン

• RQ1 Odd Gaborフィルタは、従来手法では見逃されがちな細く繊維状の葉脈を効果的に検出できるか？
• RQ2 形態的操作の統合は、セグメンテーションされた葉脈の品質および連続性をどのように向上させるか？
• RQ3 本手法は、正確性およびロバスト性の観点から、従来のセグメンテーション技術をどの程度上回るか？
• RQ4 本手法は、照明、背景、脈構造の複雑さが異なる多様な葉画像に対してもスケーラブルかつロバストか？
• RQ5 本手法は、植物種分類およびデータベース管理に使用するため、固有の脈パターンを信頼性高く抽出できるか？

主な発見

• Odd Gaborフィルタは、高い方向性および周波数選択性のおかげで、細く繊細な脈の検出を顕著に向上させる。
• Odd Gaborフィルタリングと形態的操作の組み合わせにより、ノイズが低減され、よりクリアで連続性の高いセグメンテーションマスクが得られる。
• 本手法は、不均一な照度や背景のごみなどの葉画像品質の変動に対しても、優れたロバスト性を示す。
• セグメンテーション出力は、植物種分類やデータベースインデックス作成などの後続応用に適している。
• 本手法はスケーラブルかつ計算的に効率的であり、大規模な葉画像解析に適している。
• 結果から、本手法は、微細な脈構造を保持しつつ誤検出を最小限に抑える点で、従来手法を上回っていることが示された。