Watershed画像分割の浸水ベースとtobogganベースの比較

Comparison Between Immersion-Based and Toboggan-Based Watershed Image Segmentation
Yung-Chieh Lin, Yu-Pao Tsai, Yi-Ping Hung, and Zen-Chung Shih
IEEE Transactions on Image Processing, Vol.15, No.3, pp. 632-640, 2006
20171114_kkobayashi

近年,Watershed 分割は画像分割のための一般的なツールとなっている.Watershed 分割の方法は,浸水アプローチとtobogganシミュレーションの 2 つのアプローチがある.概念的には,浸水アプローチは低高度から高高度に始まるアプローチと見なすことができ,tobogganアプローチは,高高度から低高度に始まるアプローチとして見ることができる.前者は現在(例えば,Vincentや Soille)評判が良いようだが,後者は独自の支持者(例えば,Mortensenや Barrett)があった.2つのアプローチがまったく同じ分割結果につながるかどうか,どちらのアプローチがより効率的であるかは明確では無かった.本稿では,浸水アプローチとtobogganアプローチに基づく2つの「順序不変」アルゴリズムをWatershed分割を示す.秩序不変性の性質を達成するために特殊な RIDGEラベルを導入することによって,概念的には2つのアプローチにより同じ分割結果が得られた.どちらのアルゴリズムもPentium-III PCで動作させた場合,256 × 256の画像の場合は1/30秒,512 × 512の画像の場合は平均1/5秒しか必要としなかった.より驚くべきことは,コンピュータビジョンのコミュニティであまり知られていないtobogganアルゴリズムが,私たちが使用したほぼ全てのテスト画像,特に画像が512 × 512の画像やそれより大きい画像の場合に,浸水アルゴリズムよりも速く動作することが判明した.また,この論文では,なぜtobogganアルゴリズムが多くの場合より効率的になるのかについていくつかの説明をする.