An Edge-Based Formulation for the Exact Computation of High-Order Zernike Moments of 2D Shapes and Images

技術要約：2次元形状および画像の高次ゼルニケモーメントの厳密計算のためのエッジベースの定式化

問題提起
ゼルニケモーメントは、形状解析、パターン認識、および医療画像において広く利用されている、回転不変な記述子として確立されている。しかし、その標準的な計算は、各ピクセルを点質量（ディラック $\delta$ 関数）として扱う、ピクセル中心におけるリーマン和による連続画像積分の近似に依存している。この近似は、以下の2つの決定的な制限をもたらす：

1. 空間的エイリアシング： モーメントの次数が高くなるにつれ、径方向多項式は単一ピクセルのスケールと同等、あるいはそれよりも小さいスケールで振動する。点質量モデルはこの空間的広がりを捉えることができず、重大な離散化誤差を引き起こす。
2. 数値的不安定性： 高次（通常 $n \gtrsim 50$）では、浮動小数点誤差の蓄積とエイリアシングによってモーメントの精度が低下する。これは画像再構成において「ゴーストピクセル」（対蹠点における偽の数値）として現れ、分類タスクにおける記述子の識別力を低下させる。

先行研究では、漸化式を用いた径方向多項式の評価による数値的安定性の解決が図られてきたが、根本的な誤差源である、連続基底関数と離ら離れたピクセルグリッドとの間の幾何学的不一致は、標準的な実装では未解決のままである。

手法
著者らは、グリーンの定理を適用して、2次元領域積分（ゼルニケモーメントを定義するもの）を、画像の境界に沿った1次元線積分へと変換することにより、離散化誤差を排除する根本的に異なるアプローチを提案している。

1. グリーンの定理による変換：
   本手法は、ピクセル中心の総和をとる代わりに、画像を、区分線形輪郭によって囲まれた領域として扱う。領域 $D$ 上の面積積分は、境界 $\partial D$ に沿った線積分へと変換される。多角形形状、または一定の強度を持つ領域に分解されたラスタ画像の場合、全モーメントは各エッジからの寄与の総和となる。

2. 厳密なエッジ積分：
   エッジに沿った被積分関数は、エッジパラメータ $t$ の多項式関数であることが示される。具体的には、径方向の原始関数 $Q_n^m(r)$ と角度成分が組み合わされ、結果として得られる被積分関数 $A_n^m(t)$ は、次数が最大で $n$ の多項式となる。

   • 漸化式： 著者らは、破滅的なキャンセルを避けつつ $Q_n^m(r)$、$S_n^m(r)$、および径方向多項式 $R_n^m(r)$ を効率的に計算するための漸化式を導出している。
   • 求積法： 被積分関数が多項式であるため、線積分は数値求積を用いて厳密に評価できる。著者らは、効率的な適応的精緻化と異なるモーメント次数間での関数評価の再利用を可能にするクレンシャ・カーティス求積法を利用している。

3. 適用可能性：

   • 輪郭データ： 本手法は、閉じた多角形輪郭によって定義されるベクトル形状に直接適用でき、ピクセルグリッドを参照することなくモーメントを計算できる。
   • ラスタ画像： デジタル画像に対しては、本手法は正方形セル（セル）のメッシュとして画像を扱う。積分はピクセル間のエッジに沿って実行される。極めて重要な点として、隣接するピクセル間で強度が同一（$\Delta I = 0$）であるエッジは相殺されるため、計算は実質的に、全ピクセル数ではなく、アクティブな境界（強度の勾配を持つエッジ）の数に比例してスケールする。
   • カラー画像： 本フレームワークは、ピクセルを純四元数として表現し、RGBチャネル間の相関を捉えるクォータニオン・ゼルニケモーメント（QZM）を計算することで、カラー画像へと拡張される。

主な貢献

1. 厳密な輪郭ベースの定式化： 区分線形輪郭によって囲まれた領域のゼルニケモーメントを、線積分の総和として表す厳密な公式の導出。この定式化は、離散化誤差や求積誤差を導入しない。
2. ラスタ画像への拡張： 区分定数なラスタ画像に対して厳密なゼルニケモーメントを計算するための定式化への適応。これにより、標準的な点質量近似とは対照的に、区分定数画像の厳密な積分が可能となる。
3. アルゴリズムの効率性： 2次元面積積分を1次元線積分へと削減することで、厳密な積分計算の理論的計算複雑度を、$O(N^4)$（$N$ は最大次数）から $O(N^3)$ へと低減させた。実際には、適応的求積法を用いることで、モーメント数に対してほぼ線形なスケーリングが得られる。
4. 包括的な検証： 著者らは、画像再構成、形状解析、および文字分類における実験的証拠を提示している。

結果
様々な複雑さを持つ画像（自然カラー画像、幾何学的な歯車、単一ピクセルテスト、QRコード、および漢字）を用いた数値実験により、以下のことが示された：

• 低次・中次オーダー： エッジベースの手法は、低次（$M \le 100$）において古典的なピクセルベースの手法と同等の精度を示す。
• 高次における安定性： 高次（$M = 500$）において、ピクセルベースの手法は深刻なエイリアシングに苦しむ。
  • 再構成： 単一の白いピクセルのような単純な形状のピクセルベースの再構成では、対称性の破れにより、対蹠点に「ゴーストピクセル」が現れる。一方、エッジベースの再構成はアーティファクトのない状態を維持する。
  • QRコード： QRコードのピクセルベースの再構成は、高次において著しく劣化し、判別不能になるが、エッジベースの再構成は鮮明かつ読み取り可能な状態を維持する。
  • 分類： 5つの漢字を用いた分類タスクにおいて、ピクセルベースのゼルニケ不変量は、$M=100$ で 96.9% から $M=500$ で 90.1% へと精度が低下した。対照的に、エッジベースの不変量は精度を維持、あるいはわずかに向上させ、$M=500$ で 97.3% に達した。
• 計算コスト： 標準的な画像サイズでは、線積分の評価を行うため、エッジベースの手法は現在、ピクセルベースの手法よりも遅い（37〜74倍）。しかし、本手法は容易に並列化可能であり、計算負荷は画像の面積ではなく、画像の周囲長（アクティブなエッジ）に比例する。

意義と主張
本論文は、提案されたエッジベースの定式化が、高次ゼルニケモーメント計算における長年の課題である空間的エイリアシングを解決することを主張している。画像を連続的な区分定数場として扱い、境界上で厳密に積分することにより、本手法はピクセルベースの近似では到達できない数学的な厳密性を達成している。

著者らは、画像解析においてディープラーニングが主流となっているものの、説明可能性、限られた学習データ、および精密な幾何学的特徴化を必要とするアプリケーションにおいて、モーメントベースの記述子が依然として重要であることを強調している。提案された手法は、従来のメソッドが失敗する高次においても、これらの記述子が安定し、識別力を維持することを保証する。本研究は、これが単なる理論的な改善にとどまらず、高次モーメントを用いた高忠実度の形状解析および再構成タスクにおける実用的な必然性であることを示唆している。今後の方向性として、他の直交モーメント（ルジャンドル、チェビシェフ）への一般化、および多角形サーフェスメッシュから計算される3次元ゼルニケモーメントへの拡張が挙げられている。