具有隐式区域同质性增强的测地路径图像分割方法
计算机视觉与模式识别
2021-06-09 v4 计算几何
摘要
最小路径由于其全局最优性以及快速行进法等成熟的数值解法，被视为边界检测和图像分割的强大高效工具。本文中，我们引入了一种基于 Eikonal 偏微分方程(PDE)框架并结合区域同质性增强的灵活交互式图像分割模型。所引入模型的一个关键要素是局部测地度量的构建，其能够整合各向异性和非对称边缘特征、隐式区域同质性特征和/或曲率正则化。将区域同质性特征纳入所考量度量的方式依赖于这些特征的隐式表示，这也是本工作的贡献之一。此外，我们还引入了一种通过两条不相交开放曲线拼接来构建简单闭合轮廓的方法。实验结果证明，所提模型确实优于最先进的基于最小路径的图像分割方法。
引用
@article{arxiv.2008.06909,
title = {Geodesic Paths for Image Segmentation with Implicit Region-based Homogeneity Enhancement},
author = {Da Chen and Jian Zhu and Xinxin Zhang and Minglei Shu and Laurent D. Cohen},
journal= {arXiv preprint arXiv:2008.06909},
year = {2021}
}
备注
Published in IEEE Trans. Image Processing