[论文解读] Delta Complexes in Digital Images. Approximating Image Object Shapes

Muhammad Zubair Ahmad, James F. Peters|arXiv (Cornell University)|Jun 14, 2017

Image Retrieval and Classification Techniques参考文献 14被引用 4

一句话总结

本文提出使用Delta复形作为框架，通过曲线三角剖分来近似数字图像中的图像对象形状，用Delta集替代传统的矩形单纯形，以更好地建模弯曲边界。该方法通过邻近关系和辐条结构实现对形状更优的几何与拓扑分析，相较于直线边三角剖分，能更符合自然物体的形状。

ABSTRACT

In a computational topology of digital images, simplexes are replaced by Delta sets in approximating image object shapes. For simplicity, simplexes and Delta sets are restricted to the Euclidean plane. A planar simplex is either a vertex, a line segment or a filled triangle. In this study of image shapes, a planar Delta set is a sequence of ordered simplicial complexes. The basic approach is to approximate an image shape by decomposing an image region containing the shape into combinations of Delta sets called Delta complexes. This approach to image shapes is motivated by the ease with which shapes covered by Delta complexes can be measured and compared. A number of basic results directly related to shape analysis are also given in the context of Delta complex proximities.

研究动机与目标

• 为解决传统矩形单纯形在建模具有弯曲边界的自然图像对象时的局限性。
• 开发一种计算拓扑框架，整合几何、拓扑与描述性信息，用于图像形状分析。
• 将单纯复形扩展为Delta复形，以更准确地表示具有直线与曲线边混合的图像对象形状。
• 基于基于Delta集的结构，定义并分析k-辐条复形之间的邻近关系。
• 证明基于Delta复形的曲线三角剖分相较于传统矩形方法，能更符合真实世界图像对象的几何形状。

提出的方法

• 使用Delta集——有序单纯复形序列——作为构建模块，替代图像形状建模中的传统k-单纯形。
• 应用基于B样条的曲线三角剖分，生成由像素值流形导出的具有曲线边的三角形。
• 引入k-辐条复形（skcx_kK(p)）作为图像对象形状的分层表示，其中每一层对应Delta复形的一个维度。
• 使用双楔号符号（δ̌）定义邻近关系，表示复形之间的非空交集，将其与标准邻近关系（δ）和基于特征的邻近关系（δΦ）相联系。
• 利用单纯复形与单纯辐条结构，在图像对象空间中跨多尺度融合几何与拓扑信息。
• 通过近似关系空间中的公理化定义，建立基于交集的邻近关系（δ̌）与标准邻近关系（δ）及基于特征的邻近关系（δΦ）之间的形式化证明。

实验结果

研究问题

• RQ1 如何通过曲线三角剖分更准确地近似具有弯曲边界的图像对象形状，而非传统矩形三角剖分？
• RQ2 Delta集在支持数字图像分析中曲线三角剖分方面起到什么作用？
• RQ3 k-辐条复形（skcx_kK(p)）之间的邻近关系如何反映图像对象的几何与拓扑结构？
• RQ4 在Delta复形背景下，基于特征的邻近关系（δΦ）与基于交集的邻近关系（δ̌）之间存在何种关系？
• RQ5 通过k-辐条复形的分层表示，能否改善对复杂图像对象形状的分析？

主要发现

• 与矩形三角剖分相比，Delta复形能更优地近似具有弯曲边界的图像对象形状。
• 基于B样条的曲线三角剖分比直线边三角形更能符合自然物体的几何形状。
• k-辐条复形的交集（skcx_j+1K(p) ∩ skcx_jK(p) ≠ ∅）意味着δ̌-邻近性，而该邻近性又进一步意味着标准（δ）和基于特征（δΦ）的邻近关系。
• 定理5证明，相邻k-辐条复形之间的δ̌-邻近性蕴含δ与δΦ邻近性，验证了邻近框架的一致性。
• k-辐条复形形成分层结构，支持图像对象形状的多尺度表示，整合几何与拓扑特征。
• 该框架通过Delta复形的邻近性支持可度量且可比较的形状分析，增强了数字图像中的计算拓扑能力。