Segmentation 2

□ Active contour

▶ Level Set

○ 함수 𝜙(x, y)은 모든 점 x,y로 구성되며, 여기서 𝜙(x, y) = k이다.

○ 함수 𝜙(x, y)의 0-level 수준 집합은 모든 점 x,y로 구성되며 𝜙(x, y) =0 이다.

○ 0 -수준 집합은 𝜙(x, 𝑦) < 0과 𝜙(x, 𝑦) > 0로 구분되는 닫힌 경계로 구성된다.

○ 0-level 집합은 경계를 분할하도록 진화된다.

○ 인터페이스라고 한다.

○ 레벨 설정 방법은 다음을 기반으로 인터페이스를 진화시킨다.

1) 고유 특성 : 경계의 smoothness을 강제한다.

2) 외적 특성 : 경계에서 0-레벨 집합을 종료시킨다.

3) 도메인 지식(domain knowledge) : 초기 수준 집합의 배치

​

▶ Signed Distance Function

○ C(t) 는 시간 t에서 0-level set의 점 집합이다.

○ 𝑑(𝑥, 𝑦, 𝐶(𝑡)) 는 x, y의 최단 거리이다.

​

▶ Intrinsic Properties

○ 경계의 smoothness 강화

​

▶ Extrinsic Properties

○ 경계에서 0-level set을 종료

​

▶ Domain knowledge

○ 초기화 문제 : 영상에 초기 0-level set를 배치하는 방법은 무엇일까? -> 초기 윤곽선의 위치는 분할할 객체와 관련 있다.

​

​

▶ Level Set Methods

○ Region-based model : 이미지의 edges를 추정할 필요 없음

○ Edge-based model

○ Chan-Vase Method : 경사 강하를 통해 레벨 설정 함수 𝜙(𝑥, 𝑦)를 업데이트하여 비용 함수를 반복적으로 최소화한다.

​

▶ Level Set Segmentation

○ Matlab에서 activecontour()를 사용한다.

○ Domain knowledge가 중요함

​

​

​

□ Evaluation of segmentation accuracy

▶Evaluation of Segmentation

○ segmentation method로 생성된 기준 mask와 mask 사이의 중첩 측정

○ 기준(Reference) mask : 진리, 일반적으로 수동 segment(직접 그려서)을 통해 얻을 수 있음

○ 측정 지표 : Dice 유사도 계수 (or F1 score)

○ Jaccard 유사성 계수 (or intersection over union (IoU)

​

▶Binary Classification

​

▶ Dice Coefficient (F1 Score)

○ 일대일 대응

​

​

▶ F1 Score

○ 정밀도(percision)와 회수율(recall)의 조화 평균

​

▶ Jaccard Coefficient (IoU)

​

​

▶ Housdorff Distance

○ 대략적으로 말하면, Housdorff 거리는 기준 등고선과 방법에 분할된 등고선 사이의 가장 긴 거리이다.

○ Housdorff 거리가 길수록 분할 정확도가 떨어진다.

○ 특이치에 민감함

○ 주사위 점수가 1에 가깝습니다.

○ Housdorff 거리가 큼