基于段提议图的动态探索用于管状中心线跟踪
计算机视觉与模式识别
2026-01-23 v2 人工智能
机器学习
摘要
最优曲线方法为管状中心线跟踪提供了基本框架。逐点方法(如最小路径)在理论上很优雅,但在复杂场景中常常遭受捷径和短分支组合问题的困扰。非局部逐段方法通过将预提取的中心线片段映射到段提议图上,在该抽象空间中进行优化,并从所得最优路径中恢复目标管状中心线来解决这些问题。在这种范式中,图构建至关重要,因为它直接决定最终结果的质量。然而,现有的逐段方法以静态方式构建图,要求预先计算所有边及其权重,即图必须在搜索之前足够完整。否则,真实路径可能不在候选空间中,导致搜索失败。为了解决这一局限性,我们提出了一种用于构建段提议图的动态探索方案,其中图在最优路径搜索过程中按需构建。通过将问题表述为马尔可夫决策过程,我们应用Q-learning仅为访问过的转移计算边权重,并在连通性不足时自适应地扩展动作空间。在视网膜血管、道路和河流上的实验结果表明,在准确性和效率方面均持续优于最先进的方法。
引用
@article{arxiv.2506.18930,
title = {Dynamic Exploration on Segment-Proposal Graphs for Tubular Centerline Tracking},
author = {Chong Di and Jinglin Zhang and Zhenjiang Li and Jean-Marie Mirebeau and Da Chen and Laurent D. Cohen},
journal= {arXiv preprint arXiv:2506.18930},
year = {2026}
}
备注
A real time interactive model that can accurately find centerline of a tubular structure even in complex scenarios. At this version, this work is independent to deep learning-based algorithms