Image Deformation Estimation via Multi-Objective Optimization

要約

自由曲面変形モデルは、画像上の制御点格子を操作することで、広範囲の非剛体変形を表現することができる。しかし、パラメータ数が多いため、変形推定のために自由曲面変形モデルを変形画像に直接当てはめることは、適合度ランドスケープが複雑となり、困難である。本論文では、各制御点の影響を受ける領域が互いに重なり合うことに従って、レジストレーションタスクを多目的最適化問題（MOP）としてキャストする。具体的には、テンプレート画像を複数の領域に分割し、各領域の類似度を独立に測定することにより、複数の目的を構築し、市販の多目的進化アルゴリズム（MOEA）を用いてMOPを解くことにより、変形推定を実現することが可能である。また、画像ピラミッドと制御点メッシュ細分割を組み合わせることで、粗から細への戦略を実現する。具体的には、現在の画像レベルの最適化された候補解を次のレベルに継承することで、大変形への対応力を高めている。また、パレート最適解を利用した単一の出力を生成する後処理手順が提案されている。合成画像と実画像を用いた比較実験により、本変形推定手法の有効性と有用性を示す。

要約(オリジナル)

The free-form deformation model can represent a wide range of non-rigid deformations by manipulating a control point lattice over the image. However, due to a large number of parameters, it is challenging to fit the free-form deformation model directly to the deformed image for deformation estimation because of the complexity of the fitness landscape. In this paper, we cast the registration task as a multi-objective optimization problem (MOP) according to the fact that regions affected by each control point overlap with each other. Specifically, by partitioning the template image into several regions and measuring the similarity of each region independently, multiple objectives are built and deformation estimation can thus be realized by solving the MOP with off-the-shelf multi-objective evolutionary algorithms (MOEAs). In addition, a coarse-to-fine strategy is realized by image pyramid combined with control point mesh subdivision. Specifically, the optimized candidate solutions of the current image level are inherited by the next level, which increases the ability to deal with large deformation. Also, a post-processing procedure is proposed to generate a single output utilizing the Pareto optimal solutions. Comparative experiments on both synthetic and real-world images show the effectiveness and usefulness of our deformation estimation method.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL