利用 Mean Shift 与活动轮廓进行肝脏超声图像肿瘤运动跟踪
计算机视觉与模式识别
2015-10-16 v4 机器学习
摘要
本文提出了一种用于肝脏超声图像序列中肿瘤运动跟踪的新方法。我们的算法包含两个主要步骤。第一步，应用多特征 mean shift 算法来估计每一帧中目标的中心。第一帧中的目标使用椭圆来定义。从第一帧中提取边缘、纹理和强度特征，然后分别对每个特征应用 mean shift 算法，以在下一帧中找到与该特征对应的椭圆中心。最终的椭圆中心将是这些中心的加权平均值。通过使用 mean shift，我们实际上估计了目标在连续两帧之间的运动。一旦获知每一帧中正确的椭球体，第二步便应用活动轮廓模型的动态方向梯度矢量流（DDGVF）版本，以找到肿瘤的正确边界。我们在活动轮廓的边界上采样若干点，然后根据连续两帧中椭球体中心的平移来变换这些点，以确定目标的运动。我们将这些变换后的采样点作为下一帧中活动轮廓的初始猜测。实验结果表明，所提方法为超声图像序列中的肝脏肿瘤跟踪提供了可靠的性能。
引用
@article{arxiv.1509.00154,
title = {Tumor Motion Tracking in Liver Ultrasound Images Using Mean Shift and Active Contour},
author = {Jalil Rasekhi},
journal= {arXiv preprint arXiv:1509.00154},
year = {2015}
}
备注
This paper has been withdrawn by the author due to a crucial sign error in equation 5,6