[论文解读] Combinatorial Ricci Curvature and Laplacians for Image Processing

Emil Saucan, Eli Appleboilm+2 more|arXiv (Cornell University)|Mar 23, 2009

Medical Image Segmentation Techniques参考文献 1被引用 10

一句话总结

本文提出了一种基于加权胞腔复形上Forman离散微分几何的新型组合Ricci曲率与Laplacian框架，适用于灰度图像。该框架实现了对2D和3D图像数据的内在离散曲率与扩散分析，展示了优越的边缘检测能力，并具备基于Ricci流的图像处理潜力，适用于医学成像与分割任务。

ABSTRACT

A new Combinatorial Ricci curvature and Laplacian operators for grayscale images are introduced and tested on 2D synthetic, natural and medical images. Analogue formulae for voxels are also obtained. These notions are based upon more general concepts developed by R. Forman. Further applications, in particular a fitting Ricci flow, are discussed.

研究动机与目标

• 开发一种适用于灰度图像的离散、内在Ricci曲率与Laplacian概念，避免对光滑微分几何的近似。
• 将Forman的组合Ricci曲率扩展至基于体素的3D图像（体积分）数据，实现对MRI和CT等医学成像模式的分析。
• 在离散图像处理与光滑几何流（特别是Ricci流）之间建立理论与计算上的桥梁。
• 展示组合Laplacian在检测锐利边缘及实现上采样与下采样等扩散过程中的实用性。
• 为未来在图像复形上探索基于上同调的图像分析与离散Ricci流奠定基础。

提出的方法

• 将Forman的组合Ricci曲率与Bochner-Laplacian形式化方法适配至表示灰度图像的加权2D与3D胞腔复形。
• 基于像素强度与局部邻域结构导出的几何权重，定义基于边的Ricci曲率。
• 引入两种不同的Laplacian：组合（Forman）Laplacian与Bochner（粗糙）Laplacian，二者均作用于边。
• 通过像素/体素上采样（例如，将1×1像素划分为1/2×1/2子像素）与下采样（例如，融合2×2或3×3像素）实现“组合扩散”过程。
• 通过边长演化提出离散Ricci流：∂l_ij/∂t = -2·Ric(e_ij)，其中l_ij为边长，Ric(e_ij)为组合Ricci曲率。
• 利用代数拓扑将Laplacian与上同调群关联，实现从图像数据中提取拓扑特征。

实验结果

研究问题

• RQ1 能否为灰度图像定义一种离散、内在的Ricci曲率，使其反映几何结构而不依赖光滑近似？
• RQ2 组合Laplacian与Bochner Laplacian在2D与3D图像数据中检测边缘与轮廓方面有何差异？
• RQ3 所提出的组合Ricci曲率能否支持有意义的离散Ricci流以实现图像演化与处理？
• RQ4 组合扩散（上采样/下采样）对图像处理任务中曲率与Laplacian值有何影响？
• RQ5 组合Laplacian在多大程度上可用于推断图像数据的拓扑不变量（例如上同调群）？

主要发现

• 组合Laplacian与Bochner Laplacian能有效检测图像中的锐利边缘，其中Bochner Laplacian对高曲率特征表现出更优的敏感性。
• 所提方法成功扩展至3D体素，实现了对轴向脑部扫描等体积医学图像的曲率分析。
• 通过1/2或1/3像素细分实现的组合扩散能保持曲率与Laplacian结构，而9像素融合则导致性能下降。
• 理论与实验结果证实，组合Laplacian与图像复形的上同调密切相关，支持拓扑图像分析。
• 通过边长演化提出离散Ricci流，公式为∂l_ij/∂t = -2·Ric(e_ij)，为图像平滑与分割提供了新路径。
• 在合成图像、自然图像与医学图像上的实验结果验证了该方法在多种成像模式下的鲁棒性与适用性。