[論文レビュー] Unsupervised Segmentation of Multispectral Images with Cellular Automata

Torres, Wuilian, Wuilian Torres|arXiv (Cornell University)|Jan 1, 2014

Cellular Automata and Applications参考文献 1被引用数 1

ひとこと要約

本稿では、自動生成されたシードセルを用いた決定的セルオートマトンを用いて、高分解能マルチスペクトル衛星画像の教師なしセグメンテーション手法を提案する。本手法は空間的分布とスペクトル多様性に基づいてシードを選択し、競争的アタックルールを用いてオートマトンを発展させ、ユーザーが定義したスケール（150ピクセル）未満の小さなセグメントを除去することで、手動のしきい値設定を必要とせず、正確でスケーラブルかつ低ユーザーインタラクションなセグメンテーションを実現する。

ABSTRACT

Multispectral images acquired by satellites are used to study phenomena on the Earth's surface. Unsupervised classification techniques analyze multispectral image content without considering prior knowledge of the observed terrain; this is done using techniques which group pixels that have similar statistics of digital level distribution in the various image channels. In this paper, we propose a methodology for unsupervised classification based on a deterministic cellular automaton. The automaton is initialized in an unsupervised manner by setting seed cells, selected according to two criteria: to be representative of the spatial distribution of the dominant elements in the image, and to take into account the diversity of spectral signatures in the image. The automaton's evolution is based on an attack rule that is applied simultaneously to all its cells. Among the noteworthy advantages of deterministic cellular automata for multispectral processing of satellite imagery is the consideration of topological information in the image via seed positioning, and the ability to modify the scale of the study.

研究の動機と目的

• オブジェクト指向分類におけるユーザー依存を低減するため、シード選択とセグメンテーションしきい値の自動化を実現すること。
• 商業ソフトウェアにおける手動しきい値設定に起因する高空間分解能マルチスペクトル画像の過剰セグメンテーション問題を解決すること。
• 決定的セルオートマトンを用いてトポロジー的およびスペクトル的情報を統合することで、セグメンテーション品質の向上を図ること。
• ユーザーが定義したサイズしきい値（150ピクセル）未満のセグメントを自動的に削除することで、スケールに適応したセグメンテーションを実現すること。
• マルチスペクトル画像解析のための完全に教師なしで計算効率の高いK-meansやIsodataの代替手段を提供すること。

提案手法

• 各セルが強度レベルとラベルを持つ決定的セルオートマトンを用い、隣接セルの強度とスペクトル距離に基づいた同時アタックルールに従って状態が更新される。
• シードセルは2段階のプロセスで初期化される：まず、マルチバンドデジタルレベル和を分析してヒストグラム内の代表的範囲を特定し、次にその範囲内のピクセルをシードとして選択する。
• アタック強度は、隣接セルの強度とスペクトル差に基づく逆距離項の積として計算され、領域成長における均一性を促進する。
• オートマトンは反復的な状態更新を経て収束し、最終的なラベル分布がセグメンテーションを定義する。
• 過剰セグメンテーションを低減するために、150ピクセル未満のセグメントのラベルと強度を特定・無効化した後、オートマトンを再初期化する。
• 各セグメントのスペクトルシグネチャは、セグメント内に存在するN次元ピクセルベクトルの重心として計算され、その後続のオブジェクト指向分類が可能になる。

実験結果

リサーチクエスチョン

• RQ1 教師なしシード初期化を伴う決定的セルオートマトンは、マルチスペクトル衛星画像の高品質なセグメンテーションを達成できるか？
• RQ2 スペクトル多様性と空間的分布に基づく本手法のシード選択法は、手動しきい値設定に比べてセグメンテーション精度をどのように向上させるか？
• RQ3 オートマトンの発展ルールは、セグメンテーション品質を維持しつつ、計算時間をどの程度短縮できるか？
• RQ4 150ピクセル未満のセグメントを自動的に削除することで、関連する特徴を損なわずに過剰セグメンテーションを効果的に低減できるか？
• RQ5 オートマトンのアタックルールにトポロジー的およびスペクトル的情報を統合することで、セグメンテーションのロバストネスはどの程度向上するか？

主な発見

• 91回の発展ステップを経て、ミランドラ衛星画像（トゥレン）は27,171のセグメントに分割され、101,175個のシードセルが46の異なるラベルに割り当てられた。
• 150ピクセル未満のセグメントを除去する再初期化後、最終的なセグメンテーションは1,593セグメントにまで削減され、過剰セグメンテーションが顕著に低減された。
• シード選択プロセスにより、3バンド画像において18のスペクトル領域が特定され、空間領域全体にわたり多様なスペクトルシグネチャのカバーが確保された。
• スペクトル重心に基づくシグネチャの使用により、各セグメントのスペクトル特性が正確に表現され、オブジェクト指向分類に適した条件が整った。
• 本手法は、セグメンテーションの詳細さとスケールの関連性のバランスを図り、ユーザー定義のしきい値を必要とせず、小規模で無関係なセグメントを自動で除去した。
• 決定的セルオートマトンアプローチは、効率的なアタックルールと局所的発展の特徴により、K-meansなどの従来のピクセルベース手法と比較して計算時間の顕著な短縮を達成した。