基于 Random Walker 的特征敏感标签融合用于基于图谱的图像分割
计算机视觉与模式识别
2017-11-10 v2
摘要
在本文中，提出了一种用于脑磁共振图像分割的新型标签融合方法。该标签融合方法在图上构建，融合了来自图谱的标签先验和来自目标图像的解剖先验。为了全面表示像素，生成了三种特征向量，包括强度、梯度和结构签名。为了选择用于融合的候选图谱节点，而非精确搜索，引入了带有空间约束的随机化 k-d 树作为高维特征匹配的高效近似。提出了特征敏感标签先验（FSLP），将不同特征的一致性和多样性纳入考量，以收集图谱先验。由于 FSLP 是一个非凸问题，进一步设计了一种启发式方法来高效求解。此外，基于解剖知识，部分目标像素也被用作图种子以辅助标签融合过程，并利用迭代策略逐步更新标签图。在两个公开可用的数据库上进行的综合实验结果表明，所提出的方法能够获得更好的分割质量。
引用
@article{arxiv.1610.07475,
title = {Feature Sensitive Label Fusion with Random Walker for Atlas-based Image Segmentation},
author = {Siqi Bao and Albert C. S. Chung},
journal= {arXiv preprint arXiv:1610.07475},
year = {2017}
}
备注
This manuscript has been accepted for TIP2017