Joint reconstruction-segmentation on graphs

要約

実用的な画像セグメンテーションの課題は、ノイズの多い、歪んだ、あるいは不完全な観測データから再構成されなければならない画像に関わるものである。このようなタスクを解決するための最近のアプローチは、この再構成とセグメンテーションを同時に行い、それぞれをガイドとして利用することである。しかし、これまでの研究では、Chan–Vese アルゴリズムのような比較的単純なセグメンテーション手法が用いられてきた。本論文では、最近注目されているグラフベースのセグメンテーション手法を用いた再構成とセグメンテーションの連携手法を提案する。グラフベースのセグメンテーション法は行列のサイズが大きいため、複雑な問題が発生するが、この複雑な問題をどのように解決できるかを示す。次に、本方式の収束性を解析する。最後に、グラフベースのセグメンテーションの文献でお馴染みの「2頭の牛」画像の歪んだバージョンにこのスキームを適用し、最初はノイズの多いバージョン、次にぼやけたバージョンで、どちらの場合も高精度のセグメンテーションを達成する。これらの結果を逐次再構成-セグメンテーションアプローチによる結果と比較し、本手法は再構成とセグメンテーションの精度の点でこれらのアプローチと競合する、あるいはそれを上回ることを見出した。

要約(オリジナル)

Practical image segmentation tasks concern images which must be reconstructed from noisy, distorted, and/or incomplete observations. A recent approach for solving such tasks is to perform this reconstruction jointly with the segmentation, using each to guide the other. However, this work has so far employed relatively simple segmentation methods, such as the Chan–Vese algorithm. In this paper, we present a method for joint reconstruction-segmentation using graph-based segmentation methods, which have been seeing increasing recent interest. Complications arise due to the large size of the matrices involved, and we show how these complications can be managed. We then analyse the convergence properties of our scheme. Finally, we apply this scheme to distorted versions of “two cows” images familiar from previous graph-based segmentation literature, first to a highly noised version and second to a blurred version, achieving highly accurate segmentations in both cases. We compare these results to those obtained by sequential reconstruction-segmentation approaches, finding that our method competes with, or even outperforms, those approaches in terms of reconstruction and segmentation accuracy.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL