LSGA公司

LSGA:结合水平集和遗传算法进行分割。提出了一种将遗传算法(GAs)与水平集函数相结合,对图像中具有已知形状和变量的目标进行分割的新方法。遗传算法的个体,也称为染色体,由水平集函数的一系列参数组成。每个染色体代表一个独特的分割轮廓。根据训练图像中水平集参数的学习变化,生成分割轮廓的初始总体。每个分割轮廓(一个个体)都是根据它所包围的区域的纹理来评估其适合度的。通过选择、交叉和变异,让最适合的个体繁殖到遗传算法的后代。遗传算法因此提供了一个结合纹理和形状特征进行分割的框架。基于水平集的分割方法通常对能量函数进行梯度下降最小化,以使分割轮廓变形。计算导数的计算复杂度随着能量函数中项数的增加而增加。相反,在这里,基于水平集的曲线演化/变形是使用遗传算法进行无导数的。该算法已用于手部热像图分割和盆腔CT、MRI图像中前列腺的分割。本文描述了前者;后者见[11,12]。LSGA成功地分割出手在图像中的部分可见。最后,我们对LSGA的性能进行了实验评估,并将其与基于Gabor小波的纹理分割方法[1,9]和基于水平集的Chan和Vese分割算法[6]进行了比较。

此软件的关键字

这里的任何内容都将在支持canvas元素的浏览器上被替换


zbMATH中的参考文献(参考文献1条)

显示结果1/1。
按年份排序(引用)

  1. Ghosh,付款人;米切尔,梅兰妮;Gold,Judith:LSGA:结合水平集和遗传算法进行分割(2010)ioport公司