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

Technische Samenvatting: Een op randen gebaseerde formulering voor de exacte berekening van hoog-orde Zernike-momenten van 2D-vormen en afbeeldingen

Probleemstelling
Zernike-momenten zijn gevestigde rotatie-invariante beschrijvers die veelvuldig worden gebruikt bij vormanalyse, patroonherkenning en medische beeldvorming. De standaardberekening ervan berust echter op een pixel-gebaseerde kwadratuur die het continue afbeeldingintegraal benadert als een Riemann-som over pixelcentra, waarbij elke pixel wordt behandeld als een puntmassa (Dirac $\delta$-functie). Deze benadering introduceert twee kritieke beperkingen:

1. Ruimtelijke aliasing: Naarmate de orde van het moment toeneemt, oscilleren de radiale polynomen op schalen die vergelijkbaar met of kleiner dan een enkele pixel zijn. Het puntmassa-model slaagt er niet in deze ruimtelijke omvang te vatten, wat leidt tot significante discretisatiefouten.
2. Numerieke instabiliteit: Bij hoge ordes (doorgaans $n \gtrsim 50$) leidt de accumulatie van floating-point fouten en aliasing tot een degradatie van de nauwkeurigheid van de momenten. Dit manifesteert zich in beeldreconstructie als "ghost pixels" (spookpixels; ongewenste waarden op antipodale locaties) en vermindert het onderscheidend vermogen van de beschrijvers in classificatietaken.

Hoewel eerder werk de numerieke stabiliteit van de evaluatie van radiale polynomen via recursie-relaties heeft aangepakt, blijft de fundamentele foutbron — de geometrische mismatch tussen de continue basisfuncties en het discrete pixelrooster — onbehandeld in standaardimplementaties.

Methodologie
De auteurs stellen een fundamenteel andere aanpak voor die de discretisatiefout elimineert door de stelling van Green toe te passen om het tweedimensionale gebiedsintegraal dat een Zernike-moment definieert, te transformeren naar een som van eendimensionale lijnintegralen langs de randen van de afbeelding.

1. Transformatie via de Stelling van Green:
   In plaats van te sommeren over pixelcentra, behandelt de methode de afbeelding (of vorm) als een domein begrensd door stuksgewijs lineaire contouren. Het gebiedsintegraal over een domein $D$ wordt omgezet in een lijnintegraal langs de rand $\partial D$. Voor een polygoonvorm of een rasterafbeelding die is gedecomposeerd in regio's met constante intensiteit, is het totale moment de som van de bijdragen van elke rand.

2. Exacte Randintegratie:
   Er wordt aangetoond dat de integrand langs een rand een polynoomfunctie is van de randparameter $t$. Specifiek worden de radiale primitieve $Q_n^m(r)$ en de hoekcomponent gecombineerd zodanig dat de resulterende integrand $A_n^m(t)$ een polynoom is van graad ten hoogste $n$.

   • Recursie-relaties: De auteurs leiden recursie-relaties af voor de radiale primitieven $Q_n^m(r)$, $S_n^m(r)$ en de radiale polynomen $R_n^m(r)$ om deze waarden efficiënt te berekenen zonder catastrofale annulering.
   • Kwadratuur: Omdat de getransformeerde integrand een polynoom is, kan de lijnintegraal exact worden geëvalueerd met numerieke kwadratuur. De auteurs maken gebruik van Clenshaw–Curtis kwadratuur, wat efficiënte adaptieve verfijning en het hergebruik van functie-evaluaties over verschillende momentordes mogelijk maakt.

3. Toepasbaarheid:

   • Contourgegevens: De methode is direct toepasbaar op vectorvormen gedefinieerd door gesloten polygooncontouren, waarbij de momenten worden berekend zonder enige referentie naar een pixelrooster.
   • Rasterafbeeldingen: Voor digitale afbeeldingen behandelt de methode de afbeelding als een mesh van vierkante cellen. De integratie vindt plaats langs de randen tussen pixels. Cruciaal is dat randen die gedeeld worden door aangrenzende pixels met identieke intensiteit wegvallen ($\Delta I = 0$), wat betekent dat de berekening effectief schaalt met het aantal actieve grenzen (randen met intensiteitsgradiënten) in plaats van het totaal aantal pixels.
   • Kleurafbeeldingen: Het framework wordt uitgebreid naar kleurenafbeeldingen door pixels te representeren als zuivere quaternionen en het berekenen van Quaternion Zernike Momenten (QZM), waarbij correlaties tussen RGB-kanalen worden vastgelegd.

Belangrijkste Bijdragen

1. Exacte Contour-gebaseerde Formulering: De afleiding van een exacte formule voor Zernike-momenten van regio's omsloten door stuksgewijs lineaire contouren, uitgedrukt als een som van lijnintegralen. Deze formulering introduceert geen discretisatie- of kwadratuurfout.
2. Extensie naar Rasterafbeeldingen: Een adaptatie van het formalisme om exacte Zernike-momenten te berekenen voor stuksgewijs constante rasterafbeeldingen. Dit levert het exacte integraal van de stuksgewijs constante afbeelding, in contrast met de standaard puntmassa-benadering.
3. Algoritmische Efficiëntie: De reductie van het 2D-gebiedsintegraal naar 1D-lijnintegralen vermindert de theoretische computationele complexiteit van exacte integratie van $O(N^4)$ (voor exacte 2D-gebiedkwadratuur) naar $O(N^3)$ (waarbij $N$ de maximale orde is). In de praktijk levert adaptieve kwadratuur vaak een bijna lineaire schaling op ten opzichte van het aantal momenten.
4. Uitgebreide Validatie: De auteurs leveren experimenteel bewijs voor beeldreconstructie, vormanalyse en karakterclassificatie.

Resultaten
Numerieke experimenten op afbeeldingen van variërende complexiteit (natuurlijke kleurenafbeeldingen, geometische tandwielen, single-pixel tests, QR-codes en Chinese karakters) tonen aan:

• Lage/Matige Ordes: De edge-based methode komt bij lage ordes ($M \le 100$) overeen met de nauwkeurigheid van klassieke pixel-gebaseerde methoden.
• Hoge-orde Stabiliteit: Bij hoge ordes ($M = 500$) lijdt de pixel-gebaseerde methode onder ernstige aliasing.
  • Reconstructie: Pixel-gebaseerde reconstructies van eenvoudige vormen (bijv. een enkele witte pixel) vertonen "ghost pixels" op antipodale locaties door symmetriebreking. Edge-based reconstructies blijven vrij van artefacten.
  • QR-codes: Pixel-gebaseerde reconstructies van QR-codes verslechteren aanzienlijk bij hoge ordes en worden onleesbaar, terwijl edge-based reconstructies scherp en leesbaar blijven.
  • Classificatie: In een classificatietaak met 5 Chinese karakters vertoonden pixel-gebaseerde Zernike-invarianten een daling in nauwkeurigheid van 96,9% ($M=100$) naar 90,1% ($M=500$). In contrast hiermee behielden edge-based invarianten hun nauwkeurigheid en verbeterden ze zelfs licht naar 97,3% bij $M=500$.
• Computationele Kosten: De edge-based methode is momenteel langzamer (37–74 keer) dan de pixel-gebaseerde methode voor standaard afbeeldingsformaten vanwege de evaluatie van lijnintegralen. Echter, de methode is triviaal paralleliseerbaar, en de computationele last is proportioneel aan de omtrek van de afbeelding (actieve randen) in plaats van het oppervlak.

Betekenis en Claims
Het artikel claimt dat de voorgestelde edge-based formulering het langdurige probleem van ruimtelijke aliasing in de berekening van hoog-orde Zernike-momenten oplost. Door de afbeelding te behanden als een continu stuksgewijs constant veld en exact over de grenzen te integreren, bereikt de methode een wiskundige exactheid die pixel-gebaseerde benaderingen niet kunnen evenaren.

De auteurs benadrukken dat hoewel deep learning dominant is geworden in beeldanalyse, moment-gebaseerde beschrijvers essentieel blijven voor toepassingen die uitlegbaarheid, beperkte trainingsdata en precieze geometrische karakterisering vereisen. De voorgestelde methode zorgt ervoor dat deze beschrijvers stabiel en onderscheidend blijven, zelfs bij hoge ordes waar traditionele methoden falen. Het werk suggereert dat dit framework niet alleen een theoretische verbetering is, maar ook een praktische noodzaak voor taken met hoge precisie in vormanalyse en reconstructie waarbij hoog-orde momenten betrokken zijn. Toekomstige richtingen die worden genoemd, omvatten het generaliseren van de aanpak naar andere orthogonale momenten (Legendre, Chebyshev) en het uitbreiden van de formulering naar 3D Zernike-momenten berekend vanaf polygoonvormige oppervlaktes (meshes).