[论文解读] Left-invariant Stochastic Evolution Equations on SE(2) and its Applications to Contour Enhancement and Contour Completion via Invertible Orientation Scores

Remco Duits, Erik Franken|ArXiv.org|Nov 6, 2007

Image and Signal Denoising Methods被引用 4

一句话总结

本文提出在欧几里得运动群 SE(2) 上，通过精确的格林函数（作为热核）求解左不变随机扩散方程的显式解。这些解实现了可用于轮廓增强与补全的可逆方向响应，通过一致的、曲率自适应的扩散以及基于测地线的形态学方法，在医学图像分析中实现应用。

ABSTRACT

We provide the explicit solutions of linear, left-invariant, (convection)-diffusion equations and the corresponding resolvent equations on the 2D-Euclidean motion group SE(2). These diffusion equations are forward Kolmogorov equations for stochastic processes for contour enhancement and completion. The solutions are group-convolutions with the corresponding Green's function, which we derive in explicit form. We mainly focus on the Kolmogorov equations for contour enhancement processes which, in contrast to the Kolmogorov equations for contour completion, do not include convection. The Green's functions of these left-invariant partial differential equations coincide with the heat-kernels on SE(2), which we explicitly derive. Then we compute completion distributions on SE(2) which are the product of a forward and a backward resolvent evolved from resp. source and sink distribution on SE(2). On the one hand, the modes of Mumford's direction process for contour completion coincide with elastica curves minimizing $\int κ^{2} + εds$, related to zero-crossings of 2 left-invariant derivatives of the completion distribution. On the other hand, the completion measure for the contour enhancement concentrates on geodesics minimizing $\int \sqrt{κ^{2} + ε} ds$. This motivates a comparison between geodesics and elastica, which are quite similar. However, we derive more practical analytic solutions for the geodesics. The theory is motivated by medical image analysis applications where enhancement of elongated structures in noisy images is required. We use left-invariant (non)-linear evolution processes for automated contour enhancement on invertible orientation scores, obtained from an image by means of a special type of unitary wavelet transform.

研究动机与目标

• 推导 SE(2)，即二维欧几里得运动群上左不变扩散过程的显式解，用于轮廓增强与补全。
• 建立完成分布的模式与最小化曲率能量泛函的弹性曲线或测地线之间的联系。
• 通过酉小波变换构建可逆方向响应的框架，实现完成过程中源分布与汇分布的双重作用。
• 通过在 SE(2) 上的微分几何方法，将曲率自适应扩散引入方向响应，改进一致性增强扩散。
• 基于哈密顿-雅可比方程与测地线，提出一种基于方向响应的形态学理论，用于图形性细薄化与侵蚀。

提出的方法

• 推导 SE(2) 上左不变扩散的精确格林函数（热核），作为无对流项的前向柯尔莫哥洛夫方程的解。
• 通过格林函数的群卷积，利用前向与后向预解演化计算完成分布。
• 在霍尔曼德条件约束下，利用赫尔曼德型群近似方法，推导 SE(2) 上热核的可计算近似。
• 利用卡坦联络与主纤维丛理论定义水平曲线，并从方向响应中提取空间曲率。
• 采用布赖恩特与格里菲斯的约化方法处理欧拉-拉格朗日方程，获得测地线的解析解，且不依赖特殊函数。
• 通过引入曲率的规范坐标，实现方向响应上的非线性自适应扩散，改进标准的一致性增强扩散。

实验结果

研究问题

• RQ1 如何利用热核与格林函数，显式求解 SE(2) 上的左不变扩散过程？
• RQ2 完成分布的模式与最小化曲率能量的弹性曲线或测地线之间存在何种关系？
• RQ3 SE(2) 上的测地线在形状与解析可解性方面与弹性曲线相比如何？
• RQ4 可逆方向响应能否在轮廓增强与补全的完成分布中同时作为源与汇使用？
• RQ5 在存在交叉轮廓的情况下，方向响应上的曲率自适应扩散如何改进一致性增强扩散？

主要发现

• SE(2) 上的精确热核以闭式表达，为左不变扩散过程提供了显式格林函数。
• 完成分布的模式与最小化 ∫(κ² + ε)ds 的弹性曲线一致，可通过两个左不变导数的零交叉点检测。
• 当期望寿命较短时（1/α → 0），轮廓增强的完成测度集中于最小化 ∫√(κ² + ε)ds 的测地线上。
• SE(2) 上的测地线可通过诺特定理约化 Pfaffian 系统，无需特殊函数即可解析求解。
• 海森堡近似给出了热核的高斯上界，其中常数 c = √[4]{2} ≈ 1.19 为最优值。
• 方向响应上的非线性自适应扩散能有效处理交叉轮廓，相较于标准一致性增强扩散具有定性改进。