[论文解读] Piecewise Linear Patch Reconstruction for Segmentation and Description of Non-smooth Image Structures

Junyan Wang, Kap Luk Chan|arXiv (Cornell University)|Jul 21, 2012

Medical Image Segmentation Techniques参考文献 22被引用 5

一句话总结

本文提出了一种统一的能量最小化框架，用于分割非光滑图像结构，通过将分段线性块重建表述为核心优化问题。证明了最小化该能量可界定分割误差，并通过梯度下降收敛到最优正交描述符，从而实现无需单独特征提取的同步分割与特征描述，在纹理丰富和非光滑图像上的表现优于现有方法。

ABSTRACT

In this paper, we propose a unified energy minimization model for the segmentation of non-smooth image structures. The energy of piecewise linear patch reconstruction is considered as an objective measure of the quality of the segmentation of non-smooth structures. The segmentation is achieved by minimizing the single energy without any separate process of feature extraction. We also prove that the error of segmentation is bounded by the proposed energy functional, meaning that minimizing the proposed energy leads to reducing the error of segmentation. As a by-product, our method produces a dictionary of optimized orthonormal descriptors for each segmented region. The unique feature of our method is that it achieves the simultaneous segmentation and description for non-smooth image structures under the same optimization framework. The experiments validate our theoretical claims and show the clear superior performance of our methods over other related methods for segmentation of various image textures. We show that our model can be coupled with the piecewise smooth model to handle both smooth and non-smooth structures, and we demonstrate that the proposed model is capable of coping with multiple different regions through the one-against-all strategy.

研究动机与目标

• 为解决Mumford-Shah模型在分割非光滑图像结构时因纹理模式被破坏性平均化而导致的局限性。
• 将分割与特征描述统一于单一优化框架中，避免单独的特征提取步骤。
• 建立一个理论基础坚实的能量泛函，其最小化可为非光滑结构提供分割误差的界。
• 开发一种高效且收敛的算法，用于在非凸目标上进行线性块重建的梯度下降。
• 通过与传统Mumford-Shah模型耦合，实现对光滑与非光滑区域的联合处理。

提出的方法

• 将图像分割表述为分段线性块重建的能量最小化，使用正交基块表示每个分割区域。
• 证明了重建误差可界定分割误差，从而证明能量最小化是一种合理策略。
• 证明了特征块（协方差矩阵的特征向量）在固定基函数数量下全局最小化重建误差。
• 提出一种用于非凸线性块重建的梯度下降算法，在较弱初始化假设下实现线性收敛。
• 采用交替优化策略：先进行分段线性块重建，再进行曲线演化以实现分割。
• 采用一对多策略处理多区域，并与Mumford-Shah模型耦合，实现对混合光滑/非光滑图像的处理。

实验结果

研究问题

• RQ1 统一的能量最小化模型能否同时实现对非光滑图像结构的分割与特征描述？
• RQ2 所提出的分段线性块重建能量是否能界定非光滑结构分割的误差？
• RQ3 尽管问题具有非凸性，梯度下降能否收敛到最优特征块以实现线性块重建？
• RQ4 所提出的方法在纹理丰富和非光滑图像数据上是否优于现有分割技术？
• RQ5 该框架能否扩展以联合处理图像中的光滑与非光滑区域？

主要发现

• 在基函数数量固定的情况下，分段线性块重建的能量可严格界定分割误差。
• 特征块是实现最小化线性块重建误差的全局最优解。
• 在较弱初始化条件下，梯度下降可线性收敛至特征块，提供一种高效替代特征分解的方法。
• 该方法可作为副产品生成每个分割区域的正交描述符，实现同步分割与描述。
• 实验表明，该方法在多种纹理丰富和非光滑图像结构上的分割性能优于相关方法。
• 该模型可有效与Mumford-Shah模型耦合，实现在单一框架中同时处理光滑与非光滑区域。