Efficient Retrieval of Images with Irregular Patterns using Morphological Image Analysis: Applications to Industrial and Healthcare datasets

要約

画像検索は、画像の内容と特徴に基づいてデータベースから画像を検索して取得するプロセスです。
最近、深い特徴、色ベースの特徴、形状ベースの特徴、局所的特徴などの特徴を画像から抽出することにより、工業用または医療用画像内の不規則なパターンを検索することに大きな注目が集まっています。
これは、障害検査、病気の診断、メンテナンス予測など、さまざまな業界にわたって応用されています。
この論文は、画像から形態学的特徴のセット (DefChars) を抽出することによって、類似した不規則なパターンを含む画像を検索する画像検索フレームワークを提案します。
この論文で使用されているデータセットには、欠陥のある風力タービンのブレード画像、新型コロナウイルス感染症による胸部コンピューター断層撮影スキャン、欠陥のあるヒートシンク画像、および湖の氷の画像が含まれています。
提案されたフレームワークは、さまざまな特徴抽出方法 (DefChars、サイズ変更された生の画像、ローカル バイナリ パターン、およびスケール不変特徴変換) と距離メトリックを使用して評価され、データセット全体の取得パフォーマンスの観点から最も効率的なパラメーターが決定されました。
検索結果は、DefChars とマンハッタン距離メトリックを使用した提案されたフレームワークが、不規則なパターンのクラス全体で 80% の平均精度と 0.09 の低い標準偏差を達成し、すべてのデータセットにわたって代替の特徴とメトリックの組み合わせを上回るパフォーマンスを示していることを示しています。
さらに、各クラス間の標準偏差が低いことは、クラスの不均衡や小規模なデータセットが存在する場合でも、信頼性の高い画像検索タスクに対する DefChars の機能を強調しています。

要約(オリジナル)

Image retrieval is the process of searching and retrieving images from a database based on their visual content and features. Recently, much attention has been directed towards the retrieval of irregular patterns within industrial or medical images by extracting features from the images, such as deep features, colour-based features, shape-based features and local features. This has applications across a spectrum of industries, including fault inspection, disease diagnosis, and maintenance prediction. This paper proposes an image retrieval framework to search for images containing similar irregular patterns by extracting a set of morphological features (DefChars) from images; the datasets employed in this paper contain wind turbine blade images with defects, chest computerised tomography scans with COVID-19 infection, heatsink images with defects, and lake ice images. The proposed framework was evaluated with different feature extraction methods (DefChars, resized raw image, local binary pattern, and scale-invariant feature transforms) and distance metrics to determine the most efficient parameters in terms of retrieval performance across datasets. The retrieval results show that the proposed framework using the DefChars and the Manhattan distance metric achieves a mean average precision of 80% and a low standard deviation of 0.09 across classes of irregular patterns, outperforming alternative feature-metric combinations across all datasets. Furthermore, the low standard deviation between each class highlights DefChars’ capability for a reliable image retrieval task, even in the presence of class imbalances or small-sized datasets.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google