用于非参数图像分割的内点搜索
图像与视频处理
2021-06-14 v1
摘要
用于自动图像分割的精确目标边界检测对图像分析（包括计算机辅助诊断中所用的分析）至关重要。然而，此类检测传统上采用活动轮廓或蛇模型，需要准确的初始化与参数优化。确定最优参数值需耗时的多次运行，且结果因使用者经验而异，限制了这些模型在高通量或实时场景中的使用。因此，我们开发了一种非参数蛇模型，采用内点搜索方法迭代应用，以寻找并改进构成形状边缘的蛇点集合。在每次迭代中，边缘图中的一个或多个蛇点被其他点替换。我们使用单对象与多对象的二值及连续边缘图像、含噪与真实图像验证了该模型，并将结果与传统蛇模型所得结果比较。所提模型不仅在全部测试图像类型上提供更好结果，而且比传统蛇模型更鲁棒。与传统蛇模型不同，所提模型无需用户交互来初始化蛇，也无需对含噪图像进行预处理。因此，我们的方法提供了比传统蛇模型更简单易用且更省时的鲁棒自动图像分割。
引用
@article{arxiv.2106.06104,
title = {Interior point search for nonparametric image segmentation},
author = {Sinan Onal and Xin Chen and Madagedara Maduka Balasooriya},
journal= {arXiv preprint arXiv:2106.06104},
year = {2021}
}
备注
8 pages