×
王，李;何磊;阿拉宾达·米什拉;李春明

局部高斯分布拟合能量驱动的活动轮廓。 （英语） 兹比尔1197.94138

信号处理。 89，第12期，2435-2447（2009）.
摘要：本文提出了一种新的基于区域的活动轮廓模型，用于图像分割。在我们的模型中，局部图像强度由具有不同均值和方差的高斯分布描述。我们定义了局部高斯分布拟合能量，以水平集函数和局部均值和方差作为变量。能量最小化是通过交错水平集进化和迭代过程中局部强度均值和方差的估计来实现的。局部强度的均值和方差被视为空间变化函数，用于处理强度不均匀性和空间变化强度的噪声（例如乘性噪声）。此外，我们的模型能够区分强度均值相似但方差不同的区域。通过将我们的方法应用于噪声图像和纹理图像，可以从局部强度方差中区分不同区域的纹理模式，从而证明了这一点。对比实验表明了该方法的优点。

引用于27文件

MSC公司：

94年12月 信号理论（表征、重建、滤波等）

关键词：

图像分割;分割灰度不均一;活动轮廓模型;概率分布;水平集方法;变分法
PDF格式BibTeX公司 XML格式引用
\textit{L.Wang}等人，《信号处理》。89，第12号，2435--2447（2009；Zbl 1197.94138）
全文： DOI程序

参考文献：

[1] Kass，M。；Witkin，A。；Terzopoulos，D.：《蛇：活动轮廓模型》，国际计算机杂志。相对于。1，第4期，321-331（1987）
[2] Kimmel，R。；Amir，A。；Bruckstein，A.：使用水平集传播寻找曲面上的最短路径，IEEE trans。模式肛门。马赫英特尔公司。17，第6期，635-640（1995）
[3] 卡塞勒斯，V。；Kimmel，R。；Sapiro，G.：测地活动轮廓，国际计算杂志。相对于。22，第1期，61-79（1997）·Zbl 0894.68131号 ·doi:10.1023/A:1007979827043
[4] Malladi，R。；Sethian，J.A。；Vemuri，B.C.：具有前沿传播的形状建模：一种水平集方法，IEEE trans。图案肛门。马赫英特尔公司。17，第2期，158-175（1995）
[5] 徐，C。；普林斯，J.：蛇、形状和梯度向量流，IEEE翻译。图像处理。7，第3号，359-369（1998）·Zbl 0973.94003号 ·doi:10.1109/83.661186
[6] 徐，C。；Prince，J.：主动轮廓的广义梯度矢量流外力，信号处理。71，第2期，131-139（1998）·Zbl 0908.68202号 ·doi:10.1016/S0165-1684（98）00140-6
[7] C.Li，C.Xu，C.Gui，M.D.Fox，《不重新初始化的水平集进化：一种新的变分公式》，载于：《IEEE计算机视觉与模式识别会议论文集》，2005年第1卷，第430–436页。
[8] Ronfard，R.：《基于区域的主动轮廓模型策略》，国际计算杂志。相对于。13，第2期，229-251（1994）
[9] A.Yezzi，A.Tsai，A.Willsky，《双模和三模图像中蛇的统计方法》，载于：第七届IEEE国际计算机视觉会议，第2卷，华盛顿特区，美国，1999年，第898-903页。
[10] Samson，C。；Blanc-Feraud，L。；奥伯特，G。；Zerubia，J.：图像分类和恢复的变分模型，IEEE trans。图案肛门。马赫英特尔公司。22，第5期，460-472（2000）·Zbl 1012.68706号
[11] Chan，T。；Vese，L.：无边活动轮廓，IEEE trans。图像处理。10，第2期，266-277（2001）·Zbl 1039.68779号 ·数字对象标识代码：10.1109/83.902291
[12] 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 trans。图像处理。10，第8期，1169-1186（2001）·Zbl 1062.68595号 ·doi:10.1009/83.935033
[13] Paragios，N。；Deriche，R.：用于监督纹理分割的测地活动区域和水平集方法，国际计算杂志。相对于。46，第3期，223-247（2002）·Zbl 1012.68726号 ·doi:10.1023/A:1014080923068
[14] Vese，L。；Chan，T.：使用Mumford和shah模型进行图像分割的多阶段水平集框架，国际计算杂志。相对于。50，第3期，271-293（2002）·Zbl 1012.68782号 ·doi:10.1023/A:1020874308076
[15] M.Rousson，R.Deriche，向量值图像主动和自适应分割的变分框架，载于：IEEE运动和视频计算研讨会，2002年，第52–62页。
[16] J.Piovano，M.Rousson，T.Papadopoulo，分段平滑图像的有效分割，收录于：SSVM，2007年，第709-720页。
[17] C.Li，R.Huang，Z.Ding，C.Gatenby，D.Metaxas，J.Gore，《灰度不均匀医学图像分割和偏差校正的变分水平集方法》，收录于：《医学图像计算与计算机辅助干预（MICCAI）学报》，《计算机科学讲义》，第5242卷，第二部分，施普林格，柏林，2008年，第1083-1091页。
[18] L.Wang，C.Li，Q.Sun，D.Xia，C.Kao，使用局部和全局强度拟合活动轮廓/表面的脑MR图像分割，摘自：《医学图像计算和计算机辅助干预（MICCAI）学报》，《计算机科学讲义》，第5241卷，第一部分，柏林斯普林格出版社，2008年，第384–392页。
[19] Jain，A.K。；钟，Y。；Dubuisson-Jolly，M.：可变形模板模型：综述，信号处理。71，第2号，109-129（1998）·Zbl 1053.68771号 ·doi:10.1016/S0165-1684（98）00139-X
[20] Cremers，D。；罗森，M。；Deriche，R.：《水平集分割的统计方法综述：整合颜色、纹理、运动和形状》，国际计算机杂志。相对于。第72期，第2期，195-215页（2007年）
[21] He，L。；彭，Z。；埃弗丁，B。；王，X。；Han，C。；Weiss，K。；Wee，W.：可变形轮廓方法在医学图像分割、图像视觉计算中的比较研究。26，第5号，141-163（2008）
[22] 芒福德，D。；Shah，J.：分段光滑函数和相关变分问题的最佳逼近，Commun。纯应用程序。数学。第5期第42页，第577-685页（1989年）·Zbl 0691.49036号 ·doi:10.1002/cpa.3160420503
[23] C.Li，C.Kao，J.Gore，Z.Ding，局部二进制拟合能量驱动的隐式活动轮廓，摘自：IEEE计算机视觉和模式识别会议论文集，IEEE计算机学会，华盛顿特区，美国，2007年，第1-7页。
[24] C.Xu，D.Pham，J.Prince，使用可变形模型进行图像分割，收录于：J.Fitzpatrick，M.Sonka（编辑），《医学成像手册，医学图像处理和分析》，第2卷，SPIE出版社，2000年，第129-174页。
[25] C.Li，具有局部二元拟合能量的活动轮廓，摘自：IMA三维图像分析新数学和算法研讨会，2006年。
[26] J.An、M.Rousson、C.Xu、\Gamma-分段平滑医学图像分割的收敛逼近，见：MICCAI（2），2007年，第495–502页。
[27] S.Lankton，D.Nain，A.Yezzi，A.Tannenbaun，用于图像分割的混合测地区域曲线演化，载于：SPIE医学成像2007年研讨会，第6510卷，2007年。
[28] T.Brox，《从像素到区域：图像分析中的偏微分方程》，德国萨尔大学博士论文，2005年。
[29] 罗森哈恩，B。；布罗克斯，T。；Weickert，J.：关节图像分割和姿势跟踪的三维形状知识，国际计算机杂志。相对于。73，第3期，242-262（2007）
[30] T.Brox，D.Cremers，《分段光滑Mumford–Shah泛函的统计解释》，载于：SSVM07，Ischia，意大利，2007年，第203-213页。
[31] 李，C。；高，C。；戈尔，J.C。；Ding，Z.：最小化区域可分级拟合能量用于图像分割，IEEE trans。图像处理。17，第10号，1940-1949（2008）·Zbl 1371.94225号
[32] 朱，S。；Yuille，A.：区域竞争：统一蛇、区域增长和多波段图像分割的Bayes/MDL，IEEE trans。图案肛门。马赫英特尔公司。18，第9期，884-900（1996）
[33] J.Kim，J.Fisher，A.Yezzi，M.Cetin，A.Willsky，《利用信息理论和曲线演化进行图像分割的非参数方法》，收录于：IEEE图像处理国际会议，2002年第3卷，第797-800页。
[34] M.Rousson，T.Brox，R.Deriche，基于扩散特征空间的主动无监督纹理分割，收录于：IEEE计算机学会计算机视觉和模式识别会议，2003年，第699-704页。
[35] 科马尼丘，D。；Meer，P.：均值偏移：特征空间分析的稳健方法，IEEE trans。图案肛门。马赫英特尔公司。24，第5期，603-619（2002）
[36] C.Christoudias，B.Georgescu，P.Meer，《低层视觉中的协同作用》，载《第16届模式识别国际会议》，2002年，第150–155页。
[37] 奥伯特，G。；Kornprobst，P.：图像处理中的数学问题：偏微分方程和变分法（2002）·Zbl 1109.35002号
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。