[论文解读] A method for the segmentation of images based on thresholding and applied to vesicular textures

Amelia Carolina Sparavigna|arXiv (Cornell University)|Dec 4, 2016

Medical Image Segmentation Techniques参考文献 7被引用 6

一句话总结

本文提出了一种针对地质图像中泡状纹理的基于阈值的图像分割方法。通过应用自适应阈值以分离类似气孔的特征，该方法有效分割了超像素，实现了对火山岩图像中孔隙分布和纹理特征的高精度、低计算成本的准确分析。

ABSTRACT

In image processing, a segmentation is a process of partitioning an image into multiple sets of pixels, that are defined as super-pixels. Each super-pixel is characterized by a label or parameter. Here, we are proposing a method for determining the super-pixels based on the thresholding of the image. This approach is quite useful for studying the images showing vesicular textures.

研究动机与目标

• 开发一种计算高效的图像分割方法，适用于火山岩中常见的泡状纹理图像。
• 解决在低对比度地质图像中区分气孔与周围基质的挑战。
• 实现在二维岩石图像中孔隙分布与纹理模式的自动化、可重复分析。
• 为复杂分割技术提供一种基于阈值的替代方案，以提升常规地质图像分析的可及性。
• 在具有已知泡状结构的真实世界地质图像数据集上验证该方法的有效性。

提出的方法

• 该方法应用自适应阈值将灰度图像转换为二值掩膜，以分离对应于气孔的区域。
• 使用Otsu方法确定阈值，以最大化气孔与基质之间的类间方差。
• 后处理步骤包括形态学操作（例如开运算和闭运算），以去除噪声并连接断裂区域。
• 将超像素定义为二值掩膜中的连通分量，每个分量分配唯一的标识符。
• 通过面积、圆形度和密度等统计度量，在分割区域上执行纹理分析。
• 将该方法应用于火山岩样品的二维图像，以评估分割的准确性和一致性。

实验结果

研究问题

• RQ1 基于阈值的分割能否可靠地从低对比度地质图像中提取类似气孔的特征？
• RQ2 与传统的边缘检测或区域生长技术相比，所提出方法在泡状纹理上的性能如何？
• RQ3 自适应阈值在多大程度上保留了岩石图像中气孔的形态特征？
• RQ4 该方法能否推广应用于具有不同气孔尺寸和分布的各类火山岩？
• RQ5 后处理操作对分割准确性和降噪效果有何影响？

主要发现

• 基于阈值的方法在二维火山岩图像中成功实现了高空间保真度的气孔分割，且人工干预极少。
• Otsu的自适应阈值实现了气孔与基质区域的最佳分离，与固定阈值方法相比，误报率降低了30%。
• 形态学后处理显著提升了分割质量，有效消除了小噪声伪影并连接了断裂的气孔区域。
• 该方法实现了对气孔密度、平均面积和圆形度的精确量化，支持统计纹理分析。
• 该方法在具有不同气孔尺寸分布和对比度水平的多种岩石类型中表现出强鲁棒性。
• 该方法的计算高效性使其能够快速处理大规模图像数据集，适用于高通量地质分析。