×
吴一塔；Shih，Frank Y。；史家正；吴义泰

一种自顶向下的图像分割区域划分方法。 （英语） Zbl 1132.68807号

模式识别 41，第6期，1948-1960（2008）.
摘要：基于直方图和基于区域的分割方法在图像分割中得到了广泛的应用。当我们使用这些技术时会遇到困难，例如为基于直方图的技术选择合适的阈值，以及过度分割，然后对基于区域的技术进行耗时的合并处理。为了提供既能产生更好的分割结果又能保持较低计算复杂度的高效算法，提出了一种新的基于自顶向下区域划分的图像分割方法，该方法结合了基于直方图和基于区域的方法的优点。实验结果表明，该算法能够在不失真图像空间结构的情况下有效地进行图像分割。此外，还介绍了该算法在医学图像分析中的两个潜在应用，以说明使用该算法的优势。

MSC公司：

68平方英寸10 图像处理的计算方法

关键词：

图像分割；基于特征的分割；基于空间的分割；分水岭，分水岭；医学图像分析

软件：

简单性
PDF格式BibTeX公司 XML格式引用
\textit{Y.-T.Wu}等人，模式识别41，第6期，1948--1960（2008；Zbl 1132.68807）
全文： 内政部

参考文献：

[1] Pachowicz，P.W.，自适应对象识别对象模型的半自主进化，IEEE Trans。系统管理网络。，24, 8, 1191-1207 (1994)
[2] Belloulata，K。；Konrad，J.，具有基于区域功能的分形图像压缩，IEEE Trans。图像处理。，11, 4, 351-362 (2002)
[3] 哈特曼，S.L。；Galloway，R.L.，用于医学图像空间精确三维可视化的深度缓冲目标，IEEE Trans。医学成像，19，10，1024-1031（2000）
[4] 陈，Y。；Wang，J.Z.，基于区域的模糊特征匹配方法用于基于内容的图像检索，IEEE Trans。模式分析。机器智能。，24, 9, 1252-1267 (2002)
[5] 哈里斯，K。；Efstratiadis，S.N。；马格拉维拉斯，N。；Katsaggelos，A.K.，使用分水岭和快速区域合并的混合图像分割，IEEE Trans。图像处理。，7, 12, 1684-1699 (1998)
[6] 托拜厄斯，O.J。；Seara，R.，使用模糊集通过直方图阈值进行图像分割，IEEE Trans。图像处理。，1457-1465年11月12日（2002年）
[7] Khotanzad，A。；Chen，J.Y.，通过多维特征中的边缘检测对纹理图像进行无监督分割，IEEE Trans。模式分析。机器智能。，11, 4, 414-421 (1989)
[8] 文森特，L。；Soille，P.，《数字空间中的分水岭：基于沉浸模拟的高效算法》，IEEE Trans。模式分析。机器智能。，13, 6, 583-598 (1991)
[9] R.Chibanga，J.Berlamont，J.Vandewalle，水文流域建模中的人工神经网络：集水区未封存部分的地表流贡献，收录于：第13届IEEE人工智能工具国际会议论文集，德克萨斯州达拉斯，2001年11月，第367-374页。；R.Chibanga，J.Berlamont，J.Vandewalle，《水文流域建模中的人工神经网络：集水区未封存部分的地表流贡献》，收录于：第13届IEEE人工智能工具国际会议论文集，德克萨斯州达拉斯，2001年11月，第367-374页。
[10] Wu Y.-T.，Shi F.Y.，Wu Y.-T.，基于微分直方图均衡化的图像简化，in：第六届IEEE电子/信息技术国际会议，美国密歇根州东兰辛，2006年5月。；Y.-T.Wu，F.Y.Shih，Y.-T Wu，基于微分直方图均衡化的图像简化，载于：第六届IEEE国际电子/信息技术会议，美国密歇根州东兰辛，2006年5月。
[11] Lee，C.-S。；Kuo，Y.-H。；Yu，P.-T.，图像处理的加权模糊均值滤波器，模糊集与系统，89,2157-180（1997）
[12] Zimmermann，H.J.，《模糊集理论及其应用》（1991），Kluwer学术：Kluwer-学术波士顿·Zbl 0719.04002号
[13] 洪，W.-L。；杨明生，LR型模糊数的模糊聚类及其在台湾茶叶评价中的应用，模糊集与系统，150,3561-577（2005）·Zbl 1065.68084号
[14] Wang，J.Z。；李，J。；Wiederhold，G.，《简单性：图片库的语义敏感集成匹配》，IEEE Trans。模式分析。机器智能。，23, 9, 947-963 (2001)
[15] 邓肯，J.S。；Ayache，N.，《医学图像分析：20年的进展和未来的挑战》，IEEE Trans。模式分析。机器智能。，22，1，85-106（2000年）
[16] Zuckerman，H.C.，《乳房X射线照相术在乳腺癌诊断中的作用》，（Ariel，I.M.；Cleary，J.B.，《乳腺癌，诊断和治疗》（1987），McGraw-Hill），152-172
[17] Chan，H.P。；Doi，K。；Vyborny，C.J。；施密特，R.A。；梅茨，C.E。；Lam，K.L。；Ogura，T。；Wu，Y。；Macmahon，H.，《放射科医生在乳房X光片上检测聚集性微钙化的改进》。计算机辅助诊断的潜力，投资。无线电。，25, 1102-1110 (1990)
[18] Y.-T.Wu，L.M.Hadjiiski，J.Wei，C.Zhou，B.Sahiner，H.P.Chan，乳房X光片上乳腺肿块的计算机辅助检测：假阳性减少的双边分析，载于：《2006年SPIE医学成像学报》，美国加利福尼亚州圣地亚哥，2006年2月。；Y.-T.Wu，L.M.Hadjiiski，J.Wei，C.Zhou，B.Sahiner，H.P.Chan，乳房X光片上乳腺肿块的计算机辅助检测：假阳性减少的双边分析，载于：《2006年SPIE医学成像学报》，加利福尼亚州圣地亚哥，美国，2006年2月。
[19] Y.-T.Wu，C.Zhou，L.M.Hadjiiski，J.Shi，C.Paramagul，B.Sahiner，H.-P.Chan，数字化乳房X光照片中自动乳房边界检测的动态多重阈值方法，载于：2007年SPIE医学成像论文集，美国加利福尼亚州圣地亚哥，2007年2月。；Y.-T.Wu，C.Zhou，L.M.Hadjiiski，J.Shi，C.Paramagul，B.Sahiner，H.-P.Chan，数字化乳房X光照片中自动乳腺边界检测的动态多阈值方法，收录于：《2007年SPIE医学成像学报》，美国加利福尼亚州圣地亚哥，2007年2月。
[20] \（\langle；\）http://marathon.csee.usf.edu/Mamography/Database.html\（\rangle；\）\（\langle；\）http://marathon.csee.usf.edu/Mamography/Database.html\（\rangle；\）
[21] 周，C。；Chan，H.-P。；帕拉马古尔，C。；Roubidoux，医学硕士。；萨希纳，B。；Hadjiiski，L.M。；Petrick，N.，计算机辅助诊断中用于多图像分析的计算机乳头识别，医学物理。，312871-2882（2004年）
[22] 比克，美国。；Giger，M.L。；施密特，R.A。；西川，R.M。；沃尔弗顿，D.E。；Doi，K.，数字化乳房X线照片的自动分割，美国科学院。无线电。，2, 1-9 (1995)
[23] Ge，Z。；萨希纳，B。；Chan，H.P。；Hadjiiski，L.M。；Cascade，P.N。；北波哥大。；Kazerooni，E.A。；魏杰。；周，C.，《计算机辅助肺结节检测：使用3D梯度场方法和3D椭球拟合进行假阳性还原》，医学物理。，32, 2443-2454 (2005)
[24] J.Shi，B.Sahiner，H.-P.Chan，L.Hadjiiski，C.Zhou，P.N.Cascade，N.Bogot，E.A.Kazerooni，Y.-T.Wu，J.Wei，基于肋骨解剖和结节模板匹配的连续CT扫描中肺结节的登记，医学物理。34(4) (2007) 1336-1347.; J.Shi，B.Sahiner，H.-P.Chan，L.Hadjiiski，C.Zhou，P.N.Cascade，N.Bogot，E.A.Kazerooni，Y.-T.Wu，J.Wei，基于肋骨解剖和结节模板匹配的连续CT扫描中肺结节的登记，医学物理。34(4) (2007) 1336-1347.
[25] \（\langle；\）http://imaging.cancer.gov/programsandresources/InformationSystems/LIDC\（\rangle；\）\（\langle；\）http://imaging.cancer.gov/programsandresources信息系统/LIDC\（\rangle；\）
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。