Joint reconstruction-segmentation on graphs

要約

実際の画像セグメンテーション タスクは、ノイズの多い、歪んだ、および/または不完全な観測から再構築する必要がある画像に関係しています。
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、この再構成をセグメンテーションと組み合わせて実行し、それぞれを使用して他のガイドを使用することです。
しかしながら、この作業は、これまでのところ、Chan-Vese アルゴリズムなどの比較的単純なセグメンテーション方法を採用しています。
本稿では、最近関心が高まっているグラフベースのセグメンテーション手法を使用した共同再構成セグメンテーションの方法を紹介します。
関連するマトリックスのサイズが大きいために合併症が発生し、これらの合併症をどのように管理できるかを示します。
次に、スキームの収束特性を分析します。
最後に、以前のグラフベースのセグメンテーション文献でよく知られている「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、最初は非常にノイズの多いバージョン、次にぼやけたバージョンに適用し、両方の場合で非常に正確なセグメンテーションを実現します。
これらの結果をシーケンシャルな再構成セグメンテーション アプローチによって得られた結果と比較し、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か、それを上回ることさえあります。

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, Google