[论文解读] Image Segmentation using Multi-Threshold technique by Histogram Sampling

Amit Gurung, Sangyal Lama Tamang|arXiv (Cornell University)|Sep 11, 2019

Advanced Image and Video Retrieval Techniques参考文献 33被引用 4

一句话总结

本文提出AMTIS，一种基于直方图的启发式多阈值图像分割方法，通过采样直方图谷底并将其划分为等长区域，以确保分布均匀，从而自动选择最优阈值。该方法在标准基准测试中相比Otsu方法实现最高达35.58倍的加速，同时保持或提升分割质量，经PSNR、SSIM和FSIM指标验证。

ABSTRACT

The segmentation of digital images is one of the essential steps in image processing or a computer vision system. It helps in separating the pixels into different regions according to their intensity level. A large number of segmentation techniques have been proposed, and a few of them use complex computational operations. Among all, the most straightforward procedure that can be easily implemented is thresholding. In this paper, we present a unique heuristic approach for image segmentation that automatically determines multilevel thresholds by sampling the histogram of a digital image. Our approach emphasis on selecting a valley as optimal threshold values. We demonstrated that our approach outperforms the popular Otsu's method in terms of CPU computational time. We demonstrated that our approach outperforms the popular Otsu's method in terms of CPU computational time. We observed a maximum speed-up of 35.58x and a minimum speed-up of 10.21x on popular image processing benchmarks. To demonstrate the correctness of our approach in determining threshold values, we compute PSNR, SSIM, and FSIM values to compare with the values obtained by Otsu's method. This evaluation shows that our approach is comparable and better in many cases as compared to well known Otsu's method.

研究动机与目标

• 开发一种快速高效的多阈值图像分割技术，避免传统方法（如Otsu方法）的高计算成本。
• 通过识别图像直方图中的谷底，利用启发式采样策略自动确定最优阈值。
• 在不牺牲分割质量的前提下提升计算效率，尤其适用于多级阈值分割。
• 为Otsu方法提供一种可扩展且可实现的替代方案，特别适用于实时或资源受限的应用场景。
• 通过PSNR、SSIM和FSIM等标准指标及计算时间，在多种图像基准上验证方法性能。

提出的方法

• 该方法首先应用梯度下降搜索，识别图像灰度直方图中的所有局部极小值（即谷底）。
• 将直方图划分为大小相等的区域，以定位每个区域内的最小频率，生成候选阈值。
• 通过选择候选阈值确保其在直方图中分布均匀，减少因单个区域内存在多个局部谷底而引起的冗余。
• 采用朴素聚类方法根据选定的阈值对像素进行分组，最终将最优阈值强调在谷底位置。
• 该算法优先将谷底点作为最优阈值，旨在实现图像区域之间的自然分割边界。
• 该方法在MATLAB中实现，并使用标准图像基准进行评估，性能与Otsu方法在速度和质量指标上进行对比。

实验结果

研究问题

• RQ1 基于直方图采样的方法能否在不依赖计算昂贵的优化算法的前提下，高效且自动地确定多级阈值？
• RQ2 在多种图像基准上，所提出方法与Otsu方法相比在计算速度方面表现如何？
• RQ3 所提出方法的分割质量在PSNR、SSIM和FSIM指标下，与Otsu方法相比达到何种程度的匹配或超越？
• RQ4 候选阈值在直方图中分布均匀是否能提升分割稳定性并减少对局部噪声的过拟合？
• RQ5 当前朴素聚类方法在阈值选择中的局限性是什么？如何通过更先进的聚类方法提升性能？

主要发现

• 所提出的AMTIS方法在标准图像基准上相比Otsu方法实现最高35.58倍、最低10.21倍的加速，展现出显著的计算效率。
• AMTIS在所有测试基准上均优于Otsu方法的CPU计算时间，表现出一致的速度优势。
• 使用AMTIS的分割结果在视觉上更清晰，与Otsu方法相当，且PSNR、SSIM和FSIM值显示在多数情况下质量相当或更优。
• 该方法成功识别并利用直方图谷底作为最优阈值候选，确保了自然的分割边界。
• 由于朴素聚类方法的局限性，该算法在某些基准上偶尔无法计算出最优阈值，表明需要改进聚类启发式策略。
• 在Lena、Cameraman、Baboon和Finger-Print等基准上的可视化结果表明，AMTIS能生成人类可感知的高质量分割，实现清晰的前景-背景分离。