×

基于机器学习分类器的灰度阈值图像分割算法的一致性验证。 (英语) Zbl 1477.62166号

总结:我们建议图像验证的机器学习方法(MaLIV)对不同灰度阈值图像分割算法获得的两个或多个输出的性能进行排序。MaLIV利用机器学习分类器自动对不同分割算法的输出进行排序,这既考虑了验证实验的计算复杂性,也考虑了其结果的稳健性。该方法采用二次抽样的方法,对从极小化尺寸像素样本中获得的有效性测度进行Fisher一致估计。为此,子抽样与三种可选方法相结合:学习曲线、渐近回归和概率收敛。给出了通过十三种不同算法分割的五幅图像的实验结果。

MSC公司:

62时35分 多元分析中的图像分析
62G09号 非参数统计重采样方法
68T05型 人工智能中的学习和自适应系统
PDF格式BibTeX公司 XML格式引用
全文: 内政部

参考文献:

[1] Aria M,D’Ambrosio A,Iorio C,Siciliano R,Cozza V(2018)皮肤病变皮肤镜图像中恶性黑色素瘤识别的动态递归树分割。统计帕普。doi:10.1007/s00362-018-0997-x·Zbl 1452.62793号
[2] 贝塔利,P。;政治,DN;Romano,JP,关于收敛速度未知的子抽样估计量,J Am Stat Assoc,94,446,569-579(1999)·Zbl 1072.62551号
[3] Billingsley,P.,《概率测度的收敛》(2013),纽约:威利出版社,纽约·Zbl 0172.21201号
[4] Chan,TF;Shen,JJ,《图像处理与分析:变分、PDE、小波和随机方法》(2005),费城:暹罗,费城·Zbl 1095.68127号
[5] Cortes C、Jackel LD、Solla SA、Vapnik V、Denker JS(1994)《学习曲线:渐近值和收敛速度》。主题:神经信息处理系统的进展,第327-334页
[6] Dice,LR,物种间生态关联量的测量,生态学,26,3,297-302(1945)
[7] Doyle,W.,《用于相似不变模式识别的操作》,J ACM(JACM),9,2,259-267(1962)·Zbl 0103.11003号
[8] 埃夫隆,B。;Tibshirani,R.,标准误差、置信区间和其他统计准确性度量的Bootstrap方法,《统计科学》,154-75(1986)·兹伯利0587.62082
[9] 埃夫隆,B。;Tibshirani,R.,《交叉验证的改进:632+引导法》,美国统计协会杂志,92,438,548-560(1997)·Zbl 0887.62044号
[10] El-Samie,FA,图像恢复(2012),Saarbrucken:Lap Lambert Academic Publishing GmbH KG,Saarbrucken
[11] 埃蒙德,EJ;Mason,DW,一种新的秩相关系数及其在一致性排序问题中的应用,多准则决策分析杂志,11,1,17-28(2002)·Zbl 1038.62052号
[12] 加州格拉斯比,基于直方图的阈值算法分析,CVGIP,55,6,532-537(1993)
[13] 顾久祥;王振华;Jason,Kuen;马连阳;阿米尔(Amir)、沙鲁迪(Shahroudy);Bing、Shuai;刘婷;王兴兴;王刚;蔡建飞;Tsuhan,Chen,卷积神经网络的最新进展,模式识别,77,354-377(2018)·doi:10.1016/j.patcog.2017.10.013
[14] 哈斯蒂·特雷弗;Robert,Tibshirani;Jerome,Friedman,《统计学习的要素》(2009),纽约:施普林格出版社,纽约·Zbl 1273.62005年 ·doi:10.1007/b946087
[15] 黄,L-K;Wang,M-JJ,通过最小化模糊性度量的图像阈值,模式识别,28,1,41-51(1995)
[16] Iosifescu,DV;马萨诸塞州申顿;南卡罗来纳州沃菲尔德;Kikinis,R。;Dengler,J。;Jolesz,FA;McCarley,RW,测量mri皮层下脑结构的自动注册算法,神经影像,6,1,13-25(1997)
[17] Jaccard,P.,《高山区植物区系的分布》,《新植物学》,11,2,37-50(1912)
[18] JN卡普尔;Sahoo,PK;Wong,AKC,利用直方图熵进行灰度图像阈值化的新方法,计算可视图图像处理,29,3,273-285(1985)
[19] 加藤,Z。;Pong,T-C,彩色纹理图像的马尔可夫随机场图像分割模型,图像可视化计算,24,101103-114(2006)·doi:10.1016/j.imavis.2006.03.005
[20] 加藤,Z。;Zerubia,J.,《图像分割中的马尔可夫随机场》(2012),马萨诸塞州汉诺威:Now Publishers Inc.,马萨诸纳州汉诺弗·Zbl 1256.94011号
[21] Kendall,MG,秩相关方法(1955),牛津:哈夫纳出版公司,牛津·Zbl 0066.38203号
[22] Kittler,J。;Illingworth,J.,最小误差阈值,模式识别,19,1,41-47(1986)
[23] Korzynska,A。;罗斯科维亚克,L。;洛佩兹,C。;博世,R。;维特科夫斯基,L。;Lejeune,M.,应用于3,3'-二氨基联苯胺和苏木精染色滤泡性淋巴瘤数字图像的各种自适应阈值分割方法的验证,《病理诊断》,8,1,48(2013)
[24] WJ Krzanowski;Hand,DJ,连续数据的ROC曲线(2009),博卡拉顿:CRC出版社,博卡拉顿·Zbl 1288.62005号
[25] 劳伦斯,S。;贾尔斯,CL;佐伊,AC;Back,AD,《人脸识别:卷积神经网络方法》,IEEE Trans neural Netw,8,1,98-113(1997)·doi:10.1109/72.554195
[26] Lehmann,EL,《大样本理论的要素》(2004),纽约:斯普林格出版社,纽约
[27] Lehmussola,A。;Ruusuvuori,P。;塞林努米,J。;Huttunen,H。;Yli-Harja,O.,用细胞群模拟荧光显微镜图像的计算框架,IEEE Trans-Med Imaging,26,7,1010-1016(2007)
[28] Lehmussola,A。;Ruusuvuori,P。;塞林努米,J。;拉贾拉,T。;Yli-Harja,O.,用于验证图像分析方法的高通量显微镜合成图像,IEEE Proc,96,8,1348-1360(2008)
[29] 李,CH;Tam,PK-S,最小交叉熵阈值的迭代算法,模式识别Lett,19,8,771-776(1998)·Zbl 0908.68065号
[30] 李,CH;Lee,CK,最小交叉熵阈值,模式识别,26,4,617-625(1993)
[31] Lowe,DG,《不同尺度关键点的独特图像特征》,《国际计算机视觉杂志》,第60、2、91-110页(2004年)·doi:10.1023/B:VISI.0000029664.99615.94
[32] Martin D,Fowlkes C,Tal D,Malik J(2001)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。收录于:计算机视觉,2001年。ICCV 2001。诉讼程序。第八届IEEE国际会议,第2卷。IEEE,第416-423页
[33] MoréJJ(1978)《levenberg-marquardt算法:实现与理论》。In:数值分析。施普林格,pp 105-116·Zbl 0372.65022号
[34] Narkhede,HP,《图像分割技术综述》,《国际科学与模型工程杂志》,第1期,第8期,第54-61页(2013年)
[35] Otsu,N.,灰度直方图阈值选择方法,IEEE Trans-Syst Man-Cybern,9,1,62-66(1979)
[36] Pal、NR;Pal,SK,图像分割技术综述,模式识别,26,9,1277-1294(1993)
[37] 帕特兰格纳鲁,V。;佩奇,R。;姚,KD;邱,M。;Lester,D.,从数码相机图像中对轮廓和有限三维配置进行投影形状分析,Stat Pap,57,4,1017-1040(2016)·Zbl 1416.62372号
[38] Pham,DL;徐,C。;Prince,JL,《医学图像分割的当前方法》,《生物医学工程年鉴》,第2期,第1期,第315-337页(2000年)
[39] 皮卡德,RR;库克,RD,回归模型的交叉验证,J Am Stat Assoc,79,387,575-583(1984)·Zbl 0547.62047号
[40] 政治,DN;罗曼诺,JP;Wolf,M.,子抽样(1999),纽约:Springer,纽约·Zbl 0931.62035号
[41] 政治,DN;罗曼诺,JP;Michael,Wolf,《关于子抽样的渐近理论》,Stat Sin,11,1105-1124(2001)·Zbl 1006.62019
[42] 普雷维特,JMS;门德尔松,ML,《细胞图像分析》,《科学院学报》,第128、3、1035-1053页(1966年)
[43] 里德,TR;Dubuf,JMH,最近纹理分割和特征提取技术综述,CVGIP,57,3,359-372(1993)
[44] 莱德勒,TW;Calvard,S.,使用迭代选择方法的图像阈值,IEEE Trans-Syst Man-Cybern,8,8,630-632(1978)
[45] Sammut,C。;Webb,GI,《机器学习百科全书》(2011),纽约:Springer,纽约·Zbl 1211.68001号
[46] Schindelin,J.公司。;Arganda-Carreras,第一章。;弗里斯,E。;凯尼格,V。;Longair,M。;Pietzsch,T。;Preibisch,S。;Rueden,C。;Saalfeld,S。;Schmid,B.,斐济:生物图像分析的开源平台,Nat Methods,9,7,676(2012)
[47] Seung,HS;Sompolinsky,H。;Tishby,N.,《从实例中学习的统计力学》,《物理学评论A》,45、8、6056(1992)
[48] 塞兹金,M。;Sankur,B.,图像阈值技术和定量性能评估综述,电子成像杂志,13,1146-166(2004)
[49] Shanbhag,AG,利用信息测量作为图像阈值的手段,CVGIP,56,5,414-419(1994)
[50] 沙塔克,DW;Prasad,G。;米尔扎,M。;Narr,吉隆坡;Toga,AW,《大脑分割方法验证的在线资源》,NeuroImage,45,2,431-439(2009)
[51] Sonka M,Hlavac V,Boyle R(2014)图像处理、分析和机器视觉。圣智学习出版公司
[52] 史蒂文斯,WL,《渐进回归》,生物统计学,7,247-267(1951)
[53] Tsai,W-H,矩保护阈值——一种新方法,计算可视图图像处理,29,3,377-393(1985)
[54] JK乌杜帕;勒布朗,VR;诸葛,Y。;伊米林斯卡,C。;施密特,H。;柯里,LM;比利时赫什;Woodburn,J.,《图像分割算法评估框架》,《计算医学成像图》,30,2,75-87(2006)
[55] 南卡罗来纳州沃菲尔德;马尔克恩,RV;温纳尔斯基,CS;Jolesz,FA;Kikinis,R.,运动诱导肌肉核磁共振信号增强量化和可视化的图像处理策略,J Magn Reson Imaging,11,5,525-531(2000)
[56] 南卡罗来纳州沃菲尔德;邹,KH;Wells,WM,《同步真值和性能水平估计(主食):图像分割验证算法》,IEEE Trans-Med Imaging,23,7,903-921(2004)
[57] 扎克,GW;罗杰斯,WE;Latt,SA,姐妹染色单体交换频率的自动测量,组织化学与细胞化学杂志,25,7,741-753(1977)
[58] 邹,KH;南卡罗来纳州沃菲尔德;阿迪蒂亚,巴拉塔;Tempany,CMC;Kaus Michael,R。;哈克尔,SJ;Wells,WM公司;Jolesz,FA;Ron,Kikinis,《基于空间重叠指数的图像分割质量的统计验证:科学报告》,美国无线电学会,11,2,178-189(2004)·doi:10.1016/S1076-6332(03)00671-8
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。