[论文解读] The steepest watershed: from graphs to images

Fernand Meyer|arXiv (Cornell University)|Apr 10, 2012

Advanced Vision and Imaging参考文献 17被引用 5

一句话总结

本文提出了一种非短视的集水岭算法，通过使用无限深度路径的字典序比较，仅选择节点加权图上的最陡下降轨迹，从而确保在任意网格或维度下，对集水盆区域进行唯一且精确的划分，避免任意选择。该方法通过在排水图上迭代执行腐蚀和膨胀操作，修剪非最陡路径，实现灰度图像的精确分割，并可检测河流、槽线等结构。

ABSTRACT

The watershed is a powerful tool for segmenting objects whose contours appear as crest lines on a gradient image. The watershed transform associates to a topographic surface a partition into catchment basins, defined as attraction zones of a drop of water falling on the relief and following a line of steepest descent. Unfortunately, catchment basins may overlap and do not form a partition. Moreover, current watershed algorithms, being shortsighted, do not correctly estimate the steepness of the downwards trajectories and overestimate the overlapping zones of catchment basins. An arbitrary division of these zones between adjacent catchment basin results in a poor localization of the contours. We propose an algorithm without myopia, which considers the total length of a trajectory for estimating its steepness. We first consider topographic surfaces defined on node weighted graphs. The graphs are pruned in order to eliminate all downwards trajectories which are not the steepest. An iterative algorithm with simple neighborhood operations performs the pruning and constructs the catchment basins. The algorithm is then adapted to gray tone images. The graph structure itself is encoded as an image thanks to the fixed neighborhood structure of grids. A pair of adaptative erosions and dilations prune the graph and extend the catchment basins. As a result one obtains a precise detection of the catchment basins and a graph of the steepest trajectories. A last iterative algorithm allows to follow selected downwards trajectories in order to detect particular structures such as rivers or thalweg lines of the topographic surface.

研究动机与目标

• 解决经典算法中因存在多条下降路径而导致的集水岭区域分配任意性问题。
• 通过考虑路径总长度并采用无限深度字典序排序，消除路径选择中的短视性，确定最陡下降路径。
• 为任意网格或维度的节点加权图提供一种确定性、非任意的集水盆构建方法。
• 实现在地形表面中对集水盆区域及下游结构（如河流、槽线）的精确检测。
• 开发一种适用于并行计算、硬件友好的算法，基于简单的邻域操作，可在图形处理器上高效实现。

提出的方法

• 定义无限深度的字典序，用于比较非上升路径并选择最陡路径，确保无任意选择。
• 将地形表面建模为节点加权图，其中节点权重表示海拔高度，并将向下轨迹定义为最陡下降路径。
• 在排水图上迭代执行腐蚀和膨胀操作，以修剪所有非最陡路径，仅保留最陡下降弧段。
• 通过每个像素的二进制数编码邻域关系，表示指向最低邻点的方向，实现图像形式的图表示。
• 应用最终的迭代算法，追踪并提取最陡路径的连通分量，以检测河流、槽线等结构。
• 通过从梯度图像构建排水图，将该方法适配于灰度图像，并应用相同的修剪与标记过程。

实验结果

研究问题

• RQ1 如何通过消除路径选择过程中对局部邻域选择的依赖，使集水岭算法实现非任意化？
• RQ2 考虑路径全长（无限深度字典序排序）对集水盆划分的准确性与唯一性有何影响？
• RQ3 能否将基于图的集水岭算法推广至任意网格类型和维度，同时保持精度与效率？
• RQ4 为何在排水图上迭代执行腐蚀和膨胀操作可消除非最陡路径，且无需用户设定阈值？
• RQ5 该最陡集水岭算法在地形表面中对复杂结构（如河流、槽线）的检测能力有多强？

主要发现

• 所提算法通过无限深度字典序路径排序，消除了任意选择，实现了唯一且确定的集水盆区域划分。
• 该方法成功通过迭代腐蚀与膨胀操作修剪所有非最陡路径，生成仅包含最陡下降轨迹的最小排水图。
• 算法即使在蜿蜒或高原状区域，也能实现对集水盆区域及下游结构（如河流、槽线）的精确检测。
• 使用邻域方向的二进制编码可实现高效图像化实现，并适用于任意网格类型与维度。
• 由于依赖于简单、局部的邻域操作，该算法非常适用于并行硬件（如GPU）的高效实现。
• 该方法可作为预处理步骤，显著降低图的复杂度，便于后续应用其他分割算法。