×
斯坦利·德勒曼;圣法尼，阿拉松尼;莎朗·乔希

图像集合可变性的稀疏自适应参数化。 （英语） Zbl 1259.68196号

国际期刊计算。视觉。 101，第1期，161-183（2013）.
摘要：本文介绍了一种新的微分变形参数化方法，用于表征图像集合的可变性。通过对形成自相互作用粒子哈密顿流的有限控制点集的运动进行插值，可以建立稠密的微分变形。所提出的方法估计代表给定图像集的模板图像、聚焦于图像中最可变部分的最佳控制点集，以及量化图像集中可变性的模板到图像注册。该方法自动选择最相关的控制点来表征图像的可变性，并估计其在模板域中的最佳位置。位置优化是在估计变形的过程中完成的，在梯度下降的每一步都不增加任何计算成本。通过在目标函数之前添加一个（L^1）来选择控制点，该目标函数使用FISTA算法进行优化。

引用于9文件

MSC公司：

68T45型 机器视觉和场景理解
68单位10 图像处理的计算方法

关键词：

地图集构造;图像可变性;微分同胚;稀疏;控制点;FISTA公司

软件：

LDDMM公司;ElemStatLearn（电子状态学习）
PDF格式BibTeX公司 XML格式引用
\textit{S.Durrleman}等人，《国际计算杂志》。视觉。101，第1号，161--183（2013；Zbl 1259.68196）
全文： 内政部 哈尔

参考文献：

[1] Allassonnière，S.，特劳韦，A.，&amp；Younes，L.（2005）。通过纹理网格进行测地拍摄和微分匹配。程序中。EMMCVPR（第365-381页）。
[2] Allassonnière，S.、Amit，Y.和；Trouvé，A.（2007）。面向稠密可变形模板估计的相干统计框架。英国皇家统计学会杂志。B系列：统计方法，69（1），3–29。
[3] Allassonnière，S.、Kuhn，E.和；Trouvé，A.（2010）。通过随机逼近算法构建贝叶斯可变形模型：收敛性研究。伯努利，16（3），641-678·Zbl 1220.62101号 ·doi:10.3150/09-BEJ229
[4] Arsigny，V.，Commowick，O.，Pennec，X.，&；Ayache，N.（2006年）。微分形态统计的逻辑核素框架。在LNCS中：第4190卷。程序。MICCAI（第924-931页）。柏林：斯普林格。
[5] A.贝克；Teboulle，M.（2009）。线性反问题的快速迭代收缩阈值算法。SIAM成像科学杂志，2（1），183-202·Zbl 1175.94009号 ·doi:10.1137/080716542
[6] Beg，M.F.，Miller，M.I.，Trouvé，A.和；Younes，L.（2005）。通过微分同态测地流计算大变形度量映射。国际计算机视觉杂志，61139-157·Zbl 1477.68459号 ·doi:10.1023/B:VISI.0000043755.93987.aa
[7] Cootes，T.F.、Edwards，G.J.和；Taylor，C.J.（2001）。活动外观模型。IEEE模式分析和机器智能汇刊，23（6），681-685·doi:10.1109/34.927467
[8] Dupuis，P.、Grenander，U.和；Miller，M.（1998）。图像匹配中微分流的变分问题。应用数学季刊，56（3），587-600·兹比尔0949.49002
[9] Durrleman，S.（2010年）。测量解剖曲线、表面及其演变变化的电流统计模型。尼科索菲亚·安蒂波利斯大学科学（博士论文）。
[10] Durrleman，S.、Pennec，X.、Trouvé，A.和；Ayache，N.（2009年）。基于电流的曲线和曲面集的统计模型。医学图像分析，13（5），793–808·doi:10.1016/j.media.2009.07.007
[11] Durrleman，S.、Fillard，P.、Pennec，X.、Trouvé，A.和；Ayache，N.（2011年a）。模拟为电流的白质纤维束的注册、图谱估计和变异性分析。《神经影像》，55（3），1073-1090·doi:10.1016/j.neuroimage.2010.11.056
[12] Durrleman，S.、Prastawa，M.、Gerig，G.和；Joshi，S.（2011年b）。用于人口分析的微分同态的最优数据驱动稀疏参数化。在G.Székely&amp；H.Hahn（编辑），LNCS：第6801卷。医学成像中的信息处理（IPMI）（第123–134页）。
[13] 格拉斯比，C.A；Mardia，K.V.（2001）。图像扭曲的惩罚似然方法。英国皇家统计学会杂志。B系列：统计方法，63，465–492·Zbl 1040.62054号 ·doi:10.1111/1467-9868.00295
[14] Glaunès，J.、Qiu，A.、Miller，M.和；Younes，L.（2008）。大变形微分度量曲线映射。国际计算机视觉杂志，80（3），317-336。doi:10.1007/s11263-008-0141-9·Zbl 1477.68471号 ·doi:10.1007/s11263-008-0141-9
[15] Grenander，U.（1994年）。一般模式理论：规则结构的数学理论。伦敦：牛津大学出版社·Zbl 0827.68098号
[16] 美国格伦纳德；Miller，M.I.（1998年）。计算解剖学：一门新兴学科。应用数学季刊，LVI（4），617-694·Zbl 0952.92016号
[17] Grenander，U.、Srivastava，A.和；Saini，S.（2007）。生物生长的模式理论表征。IEEE医学成像学报，26（5），648–659·doi:10.1109/TMI.2006.891500
[18] Hansen，M.S.、Larsen，R.、Glocker，B.和；Navab，N.（2008年）。用于图像配准的多元b样条自适应参数化。计算机视觉和模式识别（第1-8页）。纽约：IEEE出版社。
[19] Hastie，T.、Tibshirani，R.和；Friedman，J.（2009）。统计学习的要素：数据挖掘、推理和预测（第二版）。柏林：斯普林格·兹比尔1273.62005
[20] Joshi，S.和；Miller，M.（2000年）。基于大变形差分的地标匹配。IEEE图像处理汇刊，9（8），1357–1370·Zbl 0965.37065号 ·数字对象标识代码：10.1109/83.855431
[21] Lei，W.、Beg，F.、Ratnanather，T.、Ceritoglu，C.、Younes，L.、Morris，J.、Csernansky，J.和；Miller，M.（2007）。阿尔茨海默型痴呆大变形差异化和基于动量的海马形状辨别。IEEE医学成像学报，26，462–470·doi:10.1109/TMI.2006.887380
[22] Lorenzen，P.、Davis，B.和；Joshi，S.C.（2005）。通过大变形度量映射形成无偏地图集。计算机科学讲义：第3750卷。医学图像计算和计算机辅助干预——MICCAI（第411-418页）。柏林：斯普林格。
[23] 马斯兰，S.，&；McLachlan，R.I.（2007）。用于微分图像配准的哈密顿粒子方法。在LNCS中：第4548卷。医学成像信息处理学报（IPMI）（第396–407页）。柏林：斯普林格。
[24] Meyer，Y.（2001）。大学系列讲座：第22卷。图像处理中的振荡模式和非线性演化方程。普罗维登斯：美国数学。第十五届院长杰奎琳·刘易斯纪念讲座。
[25] Miller，I.M.，Trouvé，A.和；Younes，L.（2002）。关于计算解剖学的度量和欧拉-拉格朗日方程。生物医学工程年鉴，4375–405·doi:10.1146/annurev.bioeng.4.092101.125733
[26] Miller，M.和；Younes，L.（2001）。《群体行动、同胚和匹配：一般框架》，《国际计算机视觉杂志》，第41期，第61-84页·Zbl 1012.68714号 ·doi:10.1023/A：1011161132514
[27] Miller，M.、Trouvé，A.和；Younes，L.（2006）。计算解剖学的测地摄影。数学成像与视觉杂志，24（2），209-228·Zbl 1478.92084号 ·doi:10.1007/s10851-005-3624-0
[28] Nesterov，Y.E.（1983年）。一种求解收敛速度为o（1/k2）的凸规划问题的方法。苏联数学。多克拉迪。27(2). A.Rosa翻译·Zbl 0535.90071号
[29] Pennec，X.、Fillard，P.和；Ayache，N.（2006年）。张量计算的黎曼框架。国际计算机视觉杂志，66（1），41-66·Zbl 1287.53031号 ·doi:10.1007/s11263-005-3222-z
[30] Risser，L.、Vialard，F.X.、Wolz，R.、Murgasova，M.、Holm，D.D.和；Rueckert，D.（2011年）。基于大变形差分度量映射的同时多尺度配准。IEEE医学成像学报，301746-1759·doi:10.1109/TMI.2011.2146787
[31] Rueckert，D.、Aljabar，P.、Heckemann，R.A.、Hajnal，J.和；Hammers，A.（2006）。使用B样条的微分配准。程序中。MICCAI（第702-709页）。
[32] Singh，N.、Fletcher，P.、Preston，J.、Ha，L.、King，R.、Marron，J.和Wiener，M；Joshi，S.（2010年）。解剖形态与神经心理测量相关的变形动量的多元统计分析。在T.Jiang、N.Navab、J.Pluim和；M.Viergever（编辑），计算机科学讲稿：第6363卷。程序。MICCAI’10（第529-537页）。柏林：施普林格。
[33] Sommer，S.、Nielsen，M.、Darkner，S.和；Pennec，X.（2012年a）。高阶核函数与局部仿射lddmm配准。arXiv:1112.3166v1·Zbl 1281.65040号
[34] Sommer，S.、Nielsen，M.和；Pennec，X.（2012年b）。稀疏性和比例：差分配准变形的紧凑表示。美国科罗拉多州布雷肯里奇IEEE生物医学图像分析数学方法研讨会（MMBIA 2012）。http://hal.inia.fr/hal-00641357/en/ .
[35] Trouvé，A.（1998年）。图像分析中的差异组和模式匹配。国际计算机视觉杂志，28（3），213-221·doi:10.1023/A:1008001603737
[36] 特鲁维，A.，&；Younes，L.（2005）。通过谎言团体行动的变形。计算数学基础，5（2），173-198·兹比尔1099.68116 ·doi:10.1007/s10208-004-0128-z
[37] Vaillant，M.和；Glaunès，J.（2005）。通过电流进行表面匹配。计算机科学讲义：第3565卷。医学成像信息处理学报（第381-392页）。柏林：斯普林格。
[38] Vaillant，M.、Miller，M.和Younes，L；Trouve，A.（2004年）。基于切空间表示的微分同态统计。神经影像，23，161-169·doi:10.1016/j.neuroimage.2004.07.023
[39] Vercauteren，T.、Pennec，X.、Perchant，A.和；Ayache，N.（2009年）。差分恶魔：高效的非参数图像配准。《神经影像》，45（1，补编1），S61–S72。doi:10.1016/j.neuroimage.2008.10.040。 ·doi:10.1016/j.neuroimage.2008.10.040
[40] Yu，G.、Sapiro，G.和；Mallat，S.（2010年）。通过结构化稀疏模型选择进行图像建模和增强。《图像处理国际会议论文集》（第1641-1644页）。纽约：IEEE出版社。
[41] Zou，H.和；Hastie，T.（2005）。通过弹性网络进行正则化和变量选择。英国皇家统计学会杂志。B系列：统计方法，67（2），301-320·Zbl 1069.62054号 ·doi:10.1111/j.1467-9868.2005.00503.x
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。