Ridge detection とは

リッジ検出は、ソフトウェアを使用して画像内のリッジ(またはエッジ)を検出する試みです。
数学およびコンピュータビジョンでは、2つの変数の滑らかな関数の尾根(または尾根集合)は、1つまたは複数の点における関数の極大値寸法。この概念は、地理的尾根の直観を捕らえる。 N個の変数の関数については、その尾根はN-1次元の極大点である点の集合である。この点において、隆起点の概念は、極大値の概念を拡張する。これに対応して、関数の谷の概念は、極大値の条件を極小値の条件に置き換えることによって定義できます。リッジセットとバレーセットの結合は、コネクタセットと呼ばれる関連する一連のポイントとともに、関数のクリティカルポイントで分割、交差、または合致する接続された一連の曲線を形成します。この集合の集合は、関数の相対的なクリティカル集合と呼ばれます。
リッジ集合、谷集合、相対臨界集合は、関数に固有の重要な幾何学的情報を表す。ある意味では、それらは関数の重要な機能のコンパクトな表現を提供しますが、それらが関数のグローバルな機能を決定するために使用できる範囲はオープンな質問です。隆線の検出および谷の検出手順の作成の主な動機は、画像解析およびコンピュータビジョンからもたらされ、画像領域内の細長い物体の内部を捕捉することである。流域に関連するリッジ関連の表現は、画像のセグメンテーションに使用されてきた。また、画像領域の尾根、谷および臨界点を反映するグラフベースの表現によって物体の形状を捕捉する試みも行われている。しかし、このような表現は、単一のスケールでのみ計算された場合、ノイズに非常に敏感です。スケール空間理論計算はガウス(平滑化)カーネルとの畳み込みを伴うため、スケール空間理論の文脈でマルチスケールの尾根、谷および臨界点を使用することにより、オブジェクトのより堅牢な表現が可能になることが期待されている形状)を画像内に表示する。
この点で、尾根と谷は、自然の関心点または極端な地点を補完するものとして見ることができます。適切に定義された概念では、輝度の風景(または輝度の風景から導き出された他の表現)の尾根と谷は、局所的な外観上の空間的制約を組織するためのスケール不変のスケルトンを形成することができ、バイナリ画像のシェイプスケルトンを提供します。典型的な用途では、空中像内の道路を検出するため、および網膜画像または三次元磁気共鳴画像内の血管を検出するために、尾根および谷の記述子がしばしば使用される。