최소 스패닝 트리 기반 세그멘테이션

Minimum spanning tree-based segmentation

영상 분할은 디지털 이미지를 유사한 특성을 가진 픽셀 영역(예: 동질성)[1]으로 분할하려고 합니다.영역 속성(예: 평균 강도 또는[2] 모양)을 원시 픽셀보다 더 쉽게 비교할 수 있기 때문에 높은 수준의 영역 표현은 객체 카운트 또는 변경 감지와 같은 이미지 분석 작업을 단순화합니다.

그래프 기반 방법에 대한 동기 부여

큰 이미지의 세그먼트화를 고속화하기 위해서, 작업을 몇개의 CPU로 분할할 수 있습니다.이를 위한 한 가지 방법은 이미지를 독립적으로 처리되는 타일로 분할하는 것입니다.그러나 조각이 분할 알고리즘의 최소 크기 요구 사항을 충족하지 못하면 타일 경계를 가로지르는 영역이 분할되거나 손실될 수 있습니다.간단한 회피책으로는 타일이 겹치는 것을 들 수 있습니다.즉, 각 프로세서가 타일 테두리 주변의 추가 픽셀을 고려할 수 있습니다.유감스럽게도 타일 경계 양쪽에 있는 프로세서가 중복 작업을 수행하므로 계산 부하가 증가합니다.또한 겹치는 타일보다 작은 물체만 보존할 수 있어 공중의 강물 등 긴 물체는 여전히 갈라질 가능성이 높다.경우에 따라 독립 타일의 결과를 퓨전하여 실제 [3]결과를 근사할 수 있습니다.그래프 기반 분할 방법의 형태로 대체 방법이 있습니다.그래프에 고유한 연결 정보를 통해 원본 이미지의 일부에 대해 독립적인 작업을 수행하고 이들을 다시 연결하여 마치 전역적으로 처리가 발생한 것처럼 정확한 결과를 얻을 수 있습니다.

이미지에서 그래프까지

독립적인 하위 이미지를 연결할 수 있으므로 픽셀에 연결 정보를 추가할 수 있습니다.이는 노드가 픽셀이고 가장자리가 픽셀 간의 연결을 나타내는 그래프로 볼 수 있습니다.이것의 단순하고 비교적 공간 효율적인 변형은 그리드 그래프이며, 여기서 각 픽셀은 4가지 주요 방향으로 인접 픽셀에 접속된다.픽셀 인접 관계는 대칭이기 때문에 결과 그래프는 방향이 없으며, 각 픽셀의 동쪽 및 남쪽 인접 관계에서 절반의 가장자리만 저장하면 됩니다.마지막 단계에서는 픽셀 유사도 정보를 에지 웨이트로 인코딩하여 원본 이미지가 더 이상 필요하지 않도록 합니다.가장 단순한 경우, 에지 가중치는 픽셀 강도의 차이로 계산됩니다.

최소 스패닝 트리 세그멘테이션 알고리즘

최소 스패닝 트리(MST)는 모든 노드가 연결되도록 그래프 가장자리의 최소 가중치, 사이클 프리 서브셋입니다.2004년 Felzenszwalb는 Kruskal의 MST 알고리즘을 기반으로 한 세그멘테이션[4] 방법을 도입했습니다.가장자리는 가중치 증가 순서로 간주됩니다.이렇게 해도 그래프의 주기가 발생하지 않고 픽셀이 기존 영역의 픽셀과 '유사'한 경우 끝점 픽셀이 영역으로 병합됩니다.분리 세트 데이터 [5]구조를 이용하여 거의 일정한 시간 내에 사이클을 검출할 수 있습니다.픽셀의 유사성은 가중치를 세그먼트별 임계값과 비교하는 휴리스틱에 의해 판단됩니다.알고리즘은 복수의 분리된 MST, 즉 포레스트를 출력합니다.각 트리는 세그먼트에 대응합니다.계산 정렬을 통해 선형 시간 내에 모서리를 정렬할 수 있으므로 알고리즘의 복잡도는 준선형입니다.

2009년, Wassenberg 등은 여러 개의 독립적인 최소 스패닝 포레스트를 계산한 후 이들을 서로 연결하는 알고리즘을[6] 개발했다.이렇게 하면 타일 테두리에 개체를 분할하지 않고 병렬 처리할 수 있습니다.고정 가중치 임계값 대신 초기 연결 성분 라벨링을 사용하여 임계값 하한을 추정함으로써 과분할과 과소분할을 모두 줄일 수 있습니다.측정 결과, 구현이 Felzenszwalb의 순차 알고리즘보다 크기가 큰 것으로 나타났습니다.

GIRLUP 및 나는 COCK… GOT WAKE 것은 맞습니다.2017년 Saglam과 Baykan은 최소 스패닝 트리의 Prim의 순차적 표현을 사용하여 이미지 [7]분할을 위한 새로운 절단 기준을 제안했습니다.이들은 피보나치 힙 데이터 구조를 사용하여 Prim의 MST 알고리즘을 사용하여 MST를 구축합니다.이 방법은 빠른 실행 시간에 테스트 이미지에서 중요한 성공을 달성합니다.

레퍼런스

  1. ^ Haralick, Robert M.; Shapiro, Linda G. (January 1985), "Image segmentation techniques", Computer Vision, Graphics, and Image Processing, 29 (1): 100–132, doi:10.1016/s0734-189x(85)90153-7
  2. ^ Iivarinen, Jukka; Peura, Markus; Särelä, Jaakko; Visa, Ari (1997), "Comparison of combined shape descriptors for irregular objects", in Clark, Adrian F. (ed.), Proceedings of the British Machine Vision Conference 1997, BMVC 1997, University of Essex, UK, 1997, British Machine Vision Association
  3. ^ Chen, Minghua; Pavlidis, Theodosios (1990), "Image seaming for segmentation on parallel architecture", IEEE Transactions on Pattern Analysis and Machine Intelligence, 12 (6): 588–594, doi:10.1109/34.56195
  4. ^ Felzenszwalb, Pedro F.; Huttenlocher, Daniel P. (2004), "Efficient graph-based image segmentation", International Journal of Computer Vision, 59 (2): 167–181, doi:10.1023/B:VISI.0000022288.19776.77
  5. ^ Harfst, Gregory C.; Reingold, Edward M. (2000), "A potential-based amortized analysis of the union-find data structure", SIGACT News, 31 (3): 86–95, doi:10.1145/356458.356463
  6. ^ Wassenberg, Jan; Middelmann, Wolfgang; Sanders, Peter (2009), "An efficient parallel algorithm for graph-based image segmentation", in Jiang, Xiaoyi; Petkov, Nicolai (eds.), Computer Analysis of Images and Patterns, 13th International Conference, CAIP 2009, Münster, Germany, September 2-4, 2009, Proceedings, Lecture Notes in Computer Science, vol. 5702, Springer, pp. 1003–1010, doi:10.1007/978-3-642-03767-2_122
  7. ^ Sağlam, Ali; Baykan, Nurdan Akhan (2017), "Sequential image segmentation based on minimum spanning tree representation", Pattern Recognition Letters, 87: 155–162, doi:10.1016/j.patrec.2016.06.001

외부 링크