Graph Cuts Segmentation - 有木研究室 - 神戸大学.PPT

研究目的 研究背景 Graph Cuts 従来法の問題点 (1) 従来法の問題点 (2) 提案手法 多重解像度解析 n – linkの更新 局所テクスチャ特徴量 t - linkの更新 (1) t - linkの更新 (2) t - linkの更新 (3) 実験条件 考察 まとめ Graph Cuts 処理時間について Min-cut Min-cutの概念 * * 画像セグメンテーションにおけるウェーブレット係数の局所テクスチャ特徴を用いたGraph Cuts 福田恵太?滝口哲也?有木康雄 (神戸大学) 画像処理における重要な問題の一つに一枚の画像から対象と なる領域を抽出するセグメンテーションの問題がある． 画像の認識，識別，検索，編集など 様々な画像処理技術の前処理 近年，セグメンテーション問題をエネルギー最小化問題で解く手法が多く提案されている． エネルギー最小化問題を大域的な解で求めることが可能 　Snakes, Level Set Methodでは境界線を元に局所解を求める 他のエネルギー最小法より性能がよい 　Belief Propagation, Message Passing法との比較実験 容易なラベル付けで，与え方に依存しにくい ?その中でGraph Cutsという手法を用いる． その利点は… Y.Boykov, M.P.Jolly,“Interactive graph cuts for optimal boundary region segmentation of object in N-D images”, IEEE International Conference on Computer Vision and Pattern Recognition S T O B min cut B O セグメンテーション グラフの作成 カット t-link t-link n-link 背景らしさを表す S T O B 近傍の画素関係を表す 物体らしさを表す S→Tへの重み総和が最小となるカット 入力画像 (3×4) セグメンテーション結果 Object terminal Background terminal t - link n - link 色分布が強くなり，突発的な誤検出 n - link t - link エッジ情報が強くなり，局所的なエッジに弱い 平滑化処理の繰り返しによるグラフカット 　 局所的なエッジ情報に頑健なセグメンテーションが可能 T. Nagahashi, H.Fujiyoshi, and T.Kanade，“ Image Segmentation Using Iterated Graph Cuts Based on Multi-scale Smoothing， ”ACCV2007 物体及び背景が類似した色を持つ画像 色分布からのセグメンテーションが困難 局所テクスチャ特徴量を色分布と共に t - linkで扱う 色分布に依存せずセグメンテーションが可能 Haar Wavelet変換に基づく多重解像度解析により平滑化と局所テクスチャ特徴の定義を並列に行い，グラフカットによるセグメンテーションを繰り返し行う． 提案手法 LL,LH,HL,HH画像取得 Graph Cuts Segmentation 事前確率 GMM(色+テクスチャ)の更新 k ← k-1 LL: 平滑化画像 LH,HL,HH:テクスチャ特徴 Haar Waveletによる多重解像度解析 (level k) seed 入力 出力 t-link n-link SeedとLevel kを与える． Level kまで多重解像度解析 平滑化画像をn-linkに使用 局所テクスチャ特徴を定義 5. 色＋テクスチャをGMMに適用 6. 一段階前の結果から事前確率 7. Graph Cutsの処理を行う 8. k=0まで，2.～7.を繰り返す Level 0 Level 1 Level 2 Haar Wavelet 変換　（k=2の時） 多重解像度解析 画像データを特定の周波数帯域を持ついくつかの小さいサイズの画像データに分割する方法. LL:平滑化画像 　HL:縦方向 LH:横方向 HH:斜め方向の変化量 LH1 HL1 HH1 LL1 HH1 LH1 HL1 LH2 HH2 HL2 LL2 Level 1 Level 2 LL,LH,HL,HH画像取得 Graph Cuts Segmentation 事前確率 GMM(色+テクスチャ)の更新 k ← k-1 LL: 平滑化画像 LH,HL,HH:テクスチャ特徴 Haar Waveletによる多重解像度解析 (level k)