基于鲁棒受限CDF匹配的数据图像调谐

Roman Stoklasa

基于鲁棒受限CDF匹配的数据图像调谐

计算机视觉与模式识别 2024-11-26 v1

作者: Roman Stoklasa

摘要

将机器学习算法部署到实际应用中仍然困难。一个挑战在于输入数据不可预测的变异性，这些变异性可能因不同用户、机构、扫描仪等而有显著差异。可以通过采用合适的数据预处理和鲁棒数据调谐来减少输入数据的变异性。本文提出了一种基于累积分布函数（CDF）匹配的图像调谐方法，通过曲线拟合实现。该方法不会破坏局部变异性和个体重要特征。与其他已知直方图匹配算法相比，图像强度的转换是非线性的，但仍然“光滑且有弹性”。非线性转换允许对模板实现很好的匹配。同时，弹性约束有助于保留不同输入之间的局部变异性，这些变异性可能对后续机器学习处理编码重要特征。预定义的模板CDF相对于其他方法（尤其是基于机器学习的方法）提供了更好的和更直观的输入数据转换控制。虽然我们针对MRI图像演示了该方法，但该方法足够通用，可应用于其他类型图像数据。

关键词

图像调谐 CDF匹配直方图匹配 MRI 数据预处理

引用

@article{arxiv.2411.15213,
  title  = {Image Harmonization using Robust Restricted CDF Matching},
  author = {Roman Stoklasa},
  journal= {arXiv preprint arXiv:2411.15213},
  year   = {2024}
}

备注

submitted to 2025 IEEE 22nd International Symposium on Biomedical Imaging (ISBI 2025)

基于鲁棒受限CDF匹配的数据图像调谐

摘要

关键词

引用

备注

相关论文