自配置演化模糊图像分割
计算机视觉与模式识别
2015-04-24 v1
摘要
当前的图像分割技术通常要求用户调整若干参数以获得最大分割精度，这是一种计算效率低下的方法，尤其在日常实践中必须顺序处理大量图像时。近来有人提出使用演化模糊系统设计一种根据专家用户的质量期望自动调整参数来分割医学图像的方法（演化模糊图像分割 EFIS）。然而，EFIS在实践中有一些局限性，主要源于某些固定参数。例如，EFIS依赖于对感兴趣对象的自动检测来进行特征计算，这是一项高度依赖于应用的任务。这一缺点限制了EFIS的适用性，而EFIS提出的终极目标是提供通用但可调的分割方案。本文提出EFIS的新版本以克服这些限制。新的EFIS称为自配置EFIS（SC-EFIS），它利用可用的训练数据来自估计EFIS中固定的参数。同时，所提出的SC-EFIS依赖于不需要自动检测ROI的特征选择过程。所提出的SC-EFIS使用与EFIS相同的分割算法和相同的数据集进行评估。结果表明，SC-EFIS能提供与EFIS相同的结果，但具有更高的自动化水平。
引用
@article{arxiv.1504.06266,
title = {Evolving Fuzzy Image Segmentation with Self-Configuration},
author = {Ahmed Othman and Hamid R. Tizhoosh and Farzad Khalvati},
journal= {arXiv preprint arXiv:1504.06266},
year = {2015}
}
备注
Benchmark data (35 breast ultrasound images with gold standard segments) available; 11 pages, 4 algorithms, 6 figures, 5 tables;