×
张英杰;徐建兴;H·D·程。

一种新的模糊水平集图像轮廓检测方法。 （英语） Zbl 1400.94041号

数学。问题。工程师。 2016年，文章ID 2602647，12 p.（2016）.
摘要：水平集方法为图像分割提供了强大的框架。然而，要获得物体的准确边界，尤其是当它们具有弱边缘或强度不均匀时，仍然是一项非常具有挑战性的任务。实际上，我们研究了现有的常用水平集方法，发现它们在许多情况下无法分割边缘较弱或强度不均匀的图像。弱/模糊的边缘和不均匀的强度导致分割的不确定性和模糊性。本文提出了一种新的模糊水平集方法。首先，利用基于最大模糊熵原理的S函数将图像从空间域映射到模糊域。然后，根据不同区域强度的实际概率密度和估计概率密度之间的差异，建立了能量函数。导出了求能量函数最小值的偏微分方程。该方法已经在合成图像和真实图像上进行了测试，并通过几种流行的度量进行了评估。实验结果表明，即使对于边界模糊、对比度低和强度不均匀的对象，该方法也可以定位真实的对象边界。

引用于1文件

MSC公司：

94A08型 信息和通信理论中的图像处理（压缩、重建等）
68单位05 计算机图形；计算几何（数字和算法方面）
94D05型 模糊集和逻辑（与信息、通信或电路理论有关）
68吨10 模式识别、语音识别

软件：

阿洛伊
PDF格式BibTeX公司 XML格式引用
\textit{Y.Zhang}等人，数学。问题。Eng.2016，文章ID 2602647，12 p.（2016；Zbl 1400.94041）
全文： 内政部

参考文献：

[1] Wu，Y。；He，C.，图像分割的凸变分水平集模型，信号处理，106123-133，（2015）·doi:10.1016/j.sigpro.2014.07.013
[2] Lui，D。；Scharfenberger，C。；费尔加尼，K。；Wong，A。；Clausi，D.A.，使用结构和纹理变化能量泛函增强解耦活动轮廓，IEEE图像处理汇刊，23，2，855-869，（2014）·Zbl 1374.94241号 ·doi:10.1109/TIP.2013.2295752
[3] 高，X。；王，B。；陶，D。；Li，X.，用于自动图像分割的中继水平集方法，IEEE系统、人与控制论汇刊B部分：控制论，41，2，518-525，（2011）·doi:10.1109/tsmcb.2010.2065800
[4] 李，C。；徐，C。；桂，C。；Fox，M.D.，《无需重新初始化的水平集进化：一种新的变分公式》，IEEE计算机学会计算机视觉和模式识别会议论文集（CVPR'05）
[5] 张凯。；宋，H。；Zhang，L.，局部图像拟合能量驱动的活动轮廓，模式识别，43，4，1199-1206，（2010）·兹比尔1192.68624 ·doi:10.1016/j.patcog.2009.10.010
[6] Lie，J。；Lysaker，M。；Tai，X.C.，二元水平集模型及其在Mumford-Shah图像分割中的应用，IEEE图像处理学报，15，5，1171-1181，（2006）·Zbl 1286.94018号 ·doi:10.10109/天.2005.863956
[7] 卢，Z。；卡内罗，G。；Bradley，A.P.，《用于重叠宫颈细胞分割的多水平集函数的改进联合优化》，IEEE图像处理汇刊，24，4，1261-1272，（2015）·兹布尔1408.94455 ·doi:10.1109/TIP.2015.2389619
[8] Wang，L。；李，C。；孙，Q。；夏，D。；Kao，C.-Y.，局部和全局强度拟合能量驱动的活动轮廓及其在脑MR图像分割中的应用，计算机医学成像与制图，33，7，520-531，（2009）·doi:10.1016/j.compmedimag.2009.04.010
[9] 杜布罗维纳·卡尼，A。；罗斯曼，G。；Kimmel，R.，具有单水平集功能的多区域活动轮廓，IEEE模式分析和机器智能学报，37，8，1585-1601，（2015）·doi:10.1109/tpami.2014.2385708
[10] Ronfard，R.，《基于区域的主动轮廓模型策略》，《国际计算机视觉杂志》，13，2，229-251，（1994）·doi:10.1007/bf01427153
[11] Samson，C。；Blanc-Féraud，L。；奥伯特，G。；Zerubia，J.，图像分类和恢复的变分模型，IEEE模式分析和机器智能汇刊，22，5，460-472，（2000）·数字对象标识代码：10.1109/34.857003
[12] 李，C。；徐，C。；桂，C。；Fox，M.D.，距离正则化水平集进化及其在图像分割中的应用，IEEE图像处理汇刊，19，12，3243-3254，（2010）·Zbl 1371.94226号 ·doi:10.1109/TIP.2010.2069690
[13] 卡塞勒斯，V。；Kimmel，R。；Sapiro，G.，测地活动轮廓，国际计算机视觉杂志，22，1，61-79，（1997）·Zbl 0894.68131号 ·doi:10.1023/a:1007979827043
[14] 瓦西列夫斯基，A。；Siddiqi，K.，通量最大化几何流，IEEE模式分析和机器智能汇刊，24，12，1565-1578，（2002）·doi:10.1109/TPAMI.2002.1114849
[15] 罗森，M。；Paragios，N.，水平集表示的Shape priors，《第七届欧洲计算机视觉会议论文集》（ECCV'02），IEEE·兹伯利1039.68713
[16] Chan，T。；Zhu，W.，基于水平集的形状先验分割，IEEE计算机学会计算机视觉和模式识别会议论文集（CVPR'05）·doi:10.1109/cvpr.2005.212
[17] Yang，K.-F。；李春云。；Li，Y.-J.，基于多特征的环绕抑制改善了自然图像中的轮廓检测，IEEE图像处理汇刊，23，12，5020-5032，（2014）·兹比尔1374.94426 ·doi:10.1109/TIP.2014.2361210
[18] 李，C。；黄，R。；丁，Z。；Gatenby，J。；Metaxas，D.N。；Gore，J.C.，存在强度不均匀时图像分割的水平集方法及其在MRI中的应用，IEEE图像处理汇刊，20,72007-2016，（2011）·Zbl 1372.68275号 ·doi:10.1109/tip.2011.2146190
[19] Chan，T.F。；Vese，L.A.，《无边缘活动轮廓》，IEEE图像处理汇刊，10，2，266-277，（2001）·Zbl 1039.68779号 ·数字对象标识代码：10.1109/83.902291
[20] 蔡，A。；Yezzi，A。；Willsky，A.S.，用于图像分割、去噪、插值和放大的Mumford-Shah函数的曲线演化实现，IEEE图像处理汇刊，10，8，1169-1186，（2001）·Zbl 1062.68595号 ·数字对象标识代码：10.1109/83.935033
[21] 洛杉矶Vese。；Chan，T.F.，使用Mumford和Shah模型进行图像分割的多阶段水平集框架，国际计算机视觉杂志，50，3，271-293，（2002）·Zbl 1012.68782号 ·doi:10.1023/A:1020874308076
[22] 刘，B。；Cheng，H.D。；黄，J。；田，J。；唐，X。；Liu，J.，基于概率密度差的主动轮廓超声图像分割，模式识别，43，62028-2042，（2010）·Zbl 1191.68588号 ·doi:10.1016/j.patcog.2010.01.002
[23] Zhang，Y。；Cheng，H.D。；田，J。；黄，J。；Tang，X.，超声散斑抑制的分数亚像素扩散和模糊逻辑方法，模式识别，43，8，2962-2970，（2010）·Zbl 1214.68453号 ·doi:10.1016/j.patcog.2010.02.014
[24] Cheng，H.D。；陈建荣，基于最大熵原理的隶属函数自动确定，信息科学，96，3-4，163-182，（1997）·doi:10.1016/s0020-0255（96）00141-7
[25] 卡塔特贝，Q.D。；Martínez-Aroza，J。；Gómez-Lopera，J.F。；Blanco-Navarro，D.，通过多尺寸滑动窗口技术使用jensen–shannon散度的最佳分割方法，熵，17，12，7996-8006，（2015）·doi:10.3390/e17127858
[26] Nie，F.Y.，Tsallis基于交叉熵的直方图阈值图像分割框架，电子成像杂志，24，1，（2015）·doi:10.117/1.jei.24.1.013002
[27] 俄亥俄州基塔尼。；Khan，M.A。；阿克巴，M。；Bayoud，H.A.，《平均熵：一种新的不确定性测度及其在图像分割中的应用》，美国统计学家，70，1，18-24，（2016）·Zbl 07665847号 ·doi:10.1080/00031305.2015.1089788
[28] Geusebroek，J.-M。；Burghouts，G.J。；Smeulders，A.W.M.，《阿姆斯特丹物体图像库》，《国际计算机视觉杂志》，61,1103-112，（2005）·doi:10.1023/B:VISI.0000042993.50813.60
[29] 西安，M。；Zhang，Y。；Cheng，H.D.，基于空间和频域乳腺特征的乳腺超声图像全自动分割，模式识别，48，2，485-497，（2015）·doi:10.1016/j.patcog.2014.07.026
[30] Shan，J。；Cheng，H.D。；Wang，Y.，使用多域特征的乳腺超声图像的全自动分割方法，医学和生物学中的超声，38，2，262-275，（2012）·doi:10.1016/j.超医学生物2011.10.022
[31] 邵，H。；Zhang，Y。；西安，M。；Cheng，H.D.，乳腺超声图像中自动肿瘤检测的显著性模型，IEEE图像处理国际会议论文集
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。