×
哈维尔·胡安·阿巴拉辛;伊利斯·福斯特·加西亚;阿尔芬斯·胡安;加西亚·戈梅斯（García-Gómez），胡安·梅斯（Juan M。

用于图像分割的非局部空间变化有限混合模型。 （英语） Zbl 1461.62020年

统计计算。 31，第1号，第3号论文，第10页（2021年）.
总结：在这项工作中，我们提出了一种新的基于空间变化有限混合模型（SVFMM）和非局部均值（NLM）框架的无监督图像分割贝叶斯模型。概率NLM加权函数被成功地集成到变化高斯马尔科夫随机场中，生成先验密度，该先验密度自适应地施加局部正则化，以同时保留边缘并在图像的均匀区域中强制实施平滑约束。根据概率NLM加权函数的设计，我们提出了两个版本的模型：基于像素的模型和基于补丁的模型。与文献中提出的先前方法相反，我们的近似没有在模型中引入要估计的新参数，因为一旦像素的邻域固定，NLM加权函数就完全已知。所提出的模型可以通过期望最大化方案中的最大后验（MAP）估计以闭式解进行估计。我们使用两个公共数据集（伯克利细分数据集和BRATS 2013数据集）将我们的模型与之前提出的SVFMM进行了比较。该模型的性能优于文献中的先前方法，在我们的实验中，在Rand Index和Dice度量方面取得了更好的结果。

MSC公司：

62-08 统计问题的计算方法
62M40型 随机字段；图像分析

关键词：

空间变化有限混合模型;非本地手段;无监督学习

软件：

k平均值++;BSDS公司;PRMLT公司
PDF格式BibTeX公司 XML格式引用
\textit{J.Juan-Albarracín}等人，《统计计算》。31，第1号，第3号论文，10页（2021；Zbl 1461.62020）
全文： 内政部 链接

参考文献：

[1] Arthur，D.，Vassilvitskii，S.：K-means++：细心播种的优势。摘自：第十八届ACM-SIAM离散算法年会论文集，工业和应用数学学会，美国宾夕法尼亚州费城，SODA'07，pp.1027-1035（2007）·Zbl 1302.68273号
[2] Bishop，C.，《模式识别和机器学习》。信息科学与统计（2006），纽约：Springer，纽约·Zbl 1107.68072号
[3] A.布莱克。；Rother，C.，《视觉和图像处理的马尔可夫随机场》（2011），剑桥：麻省理工学院出版社，剑桥·Zbl 1236.68001号 ·doi:10.7551/mitpress/8579.001.0001
[4] Blekas，K。；利卡斯，A。；Galatsanos，NP；Lagaris，IE，图像分割的空间约束混合模型，IEEE Trans。神经网络。，16, 2, 494-498 (2005) ·doi:10.1109/TNN.2004.841773
[5] 博伊科夫，Y。；O.维克斯勒。；Zabih，R.，《通过图形切割实现快速近似能量最小化》，IEEE Trans。模式分析。机器。智力。，23, 11, 1222-1239 (2001) ·数字对象标识代码：10.1109/34.969114
[6] Buades，A.，Coll，B.，Morel，J.：图像去噪的非局部算法。2005年IEEE计算机学会计算机视觉和模式识别会议（CVPR'05），第2卷，第60-65页（2005）。doi:10.1109/CVPR.2005.38·Zbl 1108.94004号
[7] Cheng，Y.，Mean shift，mode searching，and clustering，IEEE Trans。模式分析。机器。智力。，17, 8, 790-799 (1995) ·数字对象标识代码：10.1109/34.400568
[8] 阿联酋登普斯特；新墨西哥州莱尔德；Rubin，DB，通过EM算法从不完整数据中获得最大似然，J.R.Stat.Soc.Ser。B（卫理公会），39，1，1-38（1977年）·Zbl 0364.62022号
[9] Ester，M.，Kriegel，惠普公司。，Sander，J.，Xu，X.：一种基于密度的算法，用于在有噪声的大型空间数据库中发现聚类。摘自：《第二届知识发现和数据挖掘国际会议论文集》，AAAI出版社，俄勒冈州波特兰，KDD’96，第226-231页（1996）
[10] Juan-Albarracín，J。；Fuster-Garcia，E。；Manjón，合资公司；罗伯斯，M。；Aparici，F。；马蒂-博马蒂，洛杉矶。；García-Gómez，JM，基于多参数结构化无监督分类的胶质母细胞瘤自动分割，PLoS ONE，10，5，e0125143（2015）·doi:10.1371/journal.pone.0125143
[11] Martin，D.，Fowlkes，C.，Tal，D.，Malik，J.：人类分割自然图像数据库及其在评估分割算法和测量生态统计中的应用。摘自：《第八届国际计算机视觉会议论文集》，第2卷，第416-423页（2001年）
[12] 波黑门泽；雅卡布，A。；Bauer，S。；Kalpathy-Cramer，J。；Farahani，K。；Kirby，J。；伯伦，Y。；波茨，N。；老虎机，J。；韦斯特，R。；Lanczi，L。；郭士纳，E。；马萨诸塞州韦伯；阿贝尔，T。；先锋，BB；阿亚奇，N。；布恩迪亚，P。；柯林斯，DL；科迪尔，N。；科尔索，JJ；克里米尼西，A。；Das，T。；Delingette，H。；Demiralp，C。；杜斯特，CR；多贾特，M。；Doyle，S。；Festa，J。；福布斯，F。；热血，E。；格洛克，B。；戈尔兰，P。；郭，X。；Hamamci，A。；Iftekharuddin，公里；Jena，R。；约翰，NM；科努科格鲁，E。；拉什卡里，D。；JA Mariz；梅耶，R。；佩雷拉，S。；Precup，D。；价格，SJ；拉维夫，TR；Reza，SMS；Ryan，M。；Sarikaya，D。；施瓦茨，L。；Shin，HC；肖顿，J。；加利福尼亚州席尔瓦；Sousa，N。；北卡罗来纳州苏巴纳；谢克利，G。；TJ泰勒；托马斯，OM；新泽西州塔蒂森；乌纳尔，G。；Vasseur，F。；温特马克，M。；Ye，DH；赵，L。；赵，B。；齐基克，D。；普拉斯塔瓦，M。；Reyes，M。；Van Leemput，K.，多模态脑肿瘤图像分割基准（BRATS），IEEE Trans。医学成像，34，10，1993-2024（2015）·doi:10.1109/TMI.2014.2377694
[13] 尼尔·R。；Hinton，G.，《证明增量、稀疏和其他变量合理性的em算法视图》，学习。图表。模型，89、110（1999）·doi:10.1007/978-94-011-5014-9-12
[14] 尼库，C。；加拉察诺斯，NP；Likas，AC，一类用于图像分割的自适应空间变化混合模型，IEEE Trans。图像处理。出版物。IEEE信号处理。Soc.，第16页，第4页，第1121-1130页（2007年）·doi:10.1109/TIP.2007.891771
[15] 尼库，C。；利卡斯，AC；Galatsanos，NP，空间变化混合图像分割的贝叶斯框架，IEEE Trans。图像处理。，19, 9, 2278-2289 (2010) ·Zbl 1371.94278号 ·doi:10.1109/TIP.2010.2047903
[16] Pal、NR；Pal，SK，图像分割技术综述，模式识别。，26, 9, 1277-1294 (1993) ·doi:10.1016/0031-3203（93）90135-J
[17] 罗卡奇，L。；O.Maimon。；O.Maimon。；Rokach，L.，《聚类方法，数据挖掘和知识发现手册》，321-352（2005），波士顿：斯普林格，波士顿·Zbl 1087.68029号 ·数字对象标识码：10.1007/0-387-25465-X15
[18] Sanjay-Gopal，S。；Hebert，TJ，使用空间变量有限混合和广义EM算法的贝叶斯像素分类，IEEE Trans。图像处理。，7, 7, 1014-1028 (1998) ·数字对象标识代码：10.1109/83.701161
[19] Saxena，A。；Prasad，M。；古普塔，A。；巴里尔，N。；帕特尔，OP；Tiwari，A。；Er，MJ；丁·W。；Lin，CT，《聚类技术和发展综述》，神经计算，267664-681（2017）·doi:10.1016/j.neucom.2017.06.053
[20] Sfikas，G.，Nikou，C.，Galatsanos，N.：图像分割中保持边缘的空间变化混合。2008年IEEE计算机视觉和模式识别会议，第1-7页（2008年）。doi:10.1109/CVPR.2008.4587416
[21] Wu，Y。；特蕾西，B。；Natarajan，P。；Noonan，JP，概率非局部平均值，IEEE信号处理。莱特。，20, 8, 763-766 (2013) ·doi:10.1109/LSP.2013.2263135
[22] 张，H。；弗里茨，JE；Goldman，SA，图像分割评估：无监督方法调查，计算。视觉。图像下划线。，1102260-280（2008年）·doi:10.1016/j.cviu.2007.08.0003
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。