[论文解读] DisPerSE: robust structure identification in 2D and 3D

T. Sousbie|arXiv (Cornell University)|Feb 25, 2013

Topological and Geometric Data Analysis被引用 5

一句话总结

DisPerSE 是一款开源软件，利用离散莫射理论与拓扑持久性，稳健地识别噪声 2D 和 3D 数据集中的结构，如丝状结构、片状结构、空洞和峰值。通过基于持久性的拓扑特征过滤，它能将物理上有意义的结构与噪声区分开来，从而在图像、网格、点云和球面剖分等多种数据类型中实现可靠分割与分析。

ABSTRACT

We present the DIScrete PERsistent Structures Extractor (DisPerSE), an open source software for the automatic and robust identification of structures in 2D and 3D noisy data sets. The software is designed to identify all sorts of topological structures, such as voids, peaks, sources, walls and filaments through segmentation, with a special emphasis put on the later ones. Based on discrete Morse theory, DisPerSE is able to deal directly with noisy datasets using the concept of persistence (a measure of the robustness of topological features) and can be applied indifferently to various sorts of data-sets defined over a possibly bounded manifold : 2D and 3D images, structured and unstructured grids, discrete point samples via the delaunay tesselation, Healpix tesselations of the sphere, ... Although it was initially developed with cosmology in mind, various I/O formats have been implemented and the current version is quite versatile. It should therefore be useful for any application where a robust structure identification is required as well as for studying the topology of sampled functions (e.g. computing persistent Betti numbers). DisPerSE can be downloaded directly from the website http://www2.iap.fr/users/sousbie/ and a thorough online documentation is also available at the same address.

研究动机与目标

• 开发一种稳健、自动化的算法，用于在多种科学领域中识别噪声 2D 和 3D 数据集中的拓扑结构。
• 解决在采样函数中区分物理上有意义的拓扑特征与噪声的挑战。
• 提供一种通用工具，适用于多种数据格式，包括结构化网格、非结构化点云和球面网格。
• 支持对采样函数计算持久贝蒂数与拓扑描述子。
• 通过以拓扑严谨性提取丝状、片状和空洞状结构，支持宇宙学、天体物理学和成像应用。

提出的方法

• 利用离散莫射理论定义采样函数中的临界点（极小值、鞍点、极大值）和积分线（梯度流路径）。
• 通过上升流形与下降流形的交集，将空间划分为 p-胞腔，构建莫射-斯梅尔复形。
• 将持久性作为拓扑特征鲁棒性的度量——定义为成对临界点间函数值的差异（即成分的生成与消失）。
• 通过 -nsig 或 -cut 选项应用持久性阈值，移除持久性较低的特征，从而过滤噪声。
• 支持多种输入格式，包括 2D/3D 图像、结构化/非结构化网格、Delaunay 三角剖分以及球面的 Healpix 剖分。
• 支持对丝状结构（一端为极大值的弧线）、片状结构（上升 2-流形）和空洞（上升 3-流形）等结构的可视化与分析。

实验结果

研究问题

• RQ1 如何在噪声 2D 和 3D 数据集中稳健识别丝状结构、片状结构和空洞？
• RQ2 在采样函数中，区分物理上有意义的拓扑特征与噪声的最有效方法是什么？
• RQ3 如何将离散莫射理论与持久性结合，实现在无需光滑性假设下的结构提取？
• RQ4 该框架在点云、网格和球面等多样化数据类型中的适用程度如何？
• RQ5 持久同调能否用于量化和过滤拓扑特征，从而在保留大尺度结构的同时去除噪声？

主要发现

• DisPerSE 在 3D 暗物质 N 体模拟中成功识别出丝状结构，丝状结构正确连接至代表暗物质晕的极大值点。
• 持久空洞在低密度区域被准确检测为上升 3-流形，其表面的颜色编码密度有效验证了其拓扑定义。
• 通过移除低于用户定义阈值的持久性对，软件成功过滤掉低持久性特征（如峰值上的小凸起），有效抑制了噪声。
• 宇宙微波背景（CMB）和星际介质（HERSCHEL 数据）中的丝状结构可直接从 Healpix 剖分的球面数据中稳健提取。
• 该方法能可靠识别临界点（极小值、鞍点、极大值）及其拓扑关系，结构通过莫射-斯梅尔复形与持久性图谱可视化。
• 该框架具有足够的通用性，可应用于 2D 图像、3D 网格和非结构化网络，展示了其在宇宙学之外的广泛应用潜力。