随机游走图像分割与配准的自适应预计算

随机游走（RW）算法被用于图像分割与配准，并具有若干有益特性，使其在医学影像中广受欢迎，例如全局可优化、允许用户交互以及提供不确定性信息。RW 算法在图像上定义加权图，并利用该图的拉普拉斯矩阵对其解进行正则化。这种正则化归结为求解一个大型方程组，这在某些应用（例如与人机用户交互时）中可能过于耗时。已有技术在线下（图像采集后、任何分析前）预计算拉普拉斯矩阵的特征向量，以在执行分割或配准时加速在线 RW 算法。然而，预计算要求某些算法参数在离线时固定，限制了其灵活性。本文开发了在 RW 参数改变时在线更新预计算数据的技术。具体而言，我们根据用户输入动态确定达到期望精度所需的特征向量数量，并推导了当图像图的边权重或拓扑改变时特征向量的更新方程。我们给出的结果表明，我们的技术使得带预计算的 RW 对离线设置更加鲁棒，同时仅牺牲极小的精度。