[论文解读] Application of a curvature adjusted method in image segmentation

M. Bene, Motoki Kimura+4 more|ArXiv.org|Dec 14, 2007

Medical Image Segmentation Techniques参考文献 8被引用 14

一句话总结

本文提出了一种基于平面曲线几何演化进行图像分割的曲率自适应切向速度方法，提升了数值稳定性并保持了边缘清晰。通过根据局部曲率动态重新分配网格点，该方法在较少的点数下即可保持尖锐的拐角，相比均匀重分布方法，实现了在标准硬件上10秒内的精确分割。

ABSTRACT

This article deals with flow of plane curves driven by the curvature and external force. We make use of such a geometric flow for the purpose of image segmentation. A parametric model for evolving curves with uniform and curvature adjusted redistribution of grid points will be described and compared.

研究动机与目标

• 解决图像分割过程中由于网格点分布不均导致的参数化曲线演化不稳定性问题。
• 通过引入基于曲率的网格点重分布策略，提升曲线演化的数值鲁棒性。
• 与均匀重分布方法相比，提升边缘检测精度，特别是在尖锐拐角和高曲率区域。
• 在标准个人计算机上实现计算效率，确保实时分割的CPU时间低于10秒。
• 在含噪声和复杂结构的图像上验证该方法，展示其对伪影的鲁棒性及捕捉细微细节的能力。

提出的方法

• 采用参数化（拉格朗日）方法，根据几何流演化闭合平面曲线：法向速度 = 曲率 + 外部力。
• 引入基于曲率的切向速度分量，根据局部曲率大小重新分配网格点。
• 应用时间依赖的演化方程，其中切向速度与曲率成正比，以维持点的均匀分布。
• 采用自适应点重分布的数值格式，防止点聚集并维持曲线演化过程中的稳定性。
• 利用来自图像强度梯度的外部力场，引导曲线演化向目标边界逼近。
• 采用半隐式有限差分格式进行时间积分，确保数值稳定性和计算效率。

实验结果

研究问题

• RQ1 基于曲率的网格点自适应重分布是否能提升参数化曲线演化在图像分割中的稳定性和精度？
• RQ2 与均匀重分布相比，基于曲率的切向速度在保持尖锐拐角和边缘方面表现如何？
• RQ3 网格点数量和外部力范围对分割质量与计算效率有何影响？
• RQ4 该方法在含细小细节和高曲率区域的噪声或复杂图像上的表现如何？
• RQ5 该方法是否能在标准个人计算机上实现10秒内的精确分割？

主要发现

• 即使仅使用250个网格点，该曲率自适应方法在保持尖锐拐角和高曲率特征方面显著优于均匀重分布方法。
• 当N=250且ε=0.2时，该方法成功分割了水平线下方的狭窄缝隙，而ε=0时则因模糊或遗漏而失败。
• 当N=150且ε=0.15时，该方法能捕捉剪影图像中的面部细节和帽子轮廓，而ε=0无法分辨细微边缘。
• 当N=800且F∈(−30,35)时，该方法能正确分割含中等噪声的图像，伪影极少，表现出对噪声的鲁棒性。
• 当N≈200时计算时间小于1秒，当N=1500时计算时间低于10秒，证实了其高计算效率。
• 在低点数下，该曲率自适应方法在边缘锐度和细节分辨能力方面显著优于均匀重分布方法。