| 融合Kernel PCA形状先验信息的变分图像分割模型 |
| |
| 引用本文： | 杨建功,汪西莉,李虎. 融合Kernel PCA形状先验信息的变分图像分割模型[J]. 中国图象图形学报, 2015, 20(8): 1035-1041 |
| |
| 作者姓名： | 杨建功 汪西莉 李虎 |
| |
| 作者单位： | 陕西师范大学计算机科学学院, 西安 710119;陕西师范大学计算机科学学院, 西安 710119;陕西师范大学计算机科学学院, 西安 710119 |
| |
| 基金项目： | 国家自然科学基金项目(41171338,41471280) |
| |
| 摘 要： | 目的 基于能量最小化的变分图像分割方法已经受到研究人员的广泛重视,取得了丰硕成果。但是,针对图像中存在的噪音污染、目标被遮挡等情况,则难以正确分割。引入先验形状信息是解决该问题的一个重要方向,但是随之而带来的姿态变化问题是一个难点。传统的做法是在每步迭代过程中单独计算姿态变换参数,导致计算量大。方法 在基于Kernel PCA(KPCA)的形状先验模型基础上,提出一种具有内在的姿态不变性的KPCA形状先验模型,并将之融合到C-V变分图像分割模型中。结果 提出模型无须在每步迭代中显式地单独计算姿态变换参数,相对于C-V模型分割正确率能够提高7.47%。同时,针对KPCA模型中计算高斯核函数的参数σ取值问题,也给出一种自适应的计算方法。结论 理论分析及实验表明该模型能较好地解决先验形状与目标间存在的仿射变化问题,以及噪音、目标被遮挡等问题。
|
| 关 键 词： | 图像分割 变分方法 形状先验 核主成分分析(Kernel PCA) 姿态不变性 |
| 收稿时间： | 2015-03-18 |
| 修稿时间： | 2015-04-13 |
Variational image segmentation incorporating Kernel PCA-based shape priors |
| |
| Yang Jiangong,Wang Xili and Li Hu. Variational image segmentation incorporating Kernel PCA-based shape priors[J]. Journal of Image and Graphics, 2015, 20(8): 1035-1041 |
| |
| Authors: | Yang Jiangong Wang Xili Li Hu |
| |
| Affiliation: | School of Computer Science, Shaanxi Normal University, Xi'an 710119, China;School of Computer Science, Shaanxi Normal University, Xi'an 710119, China;School of Computer Science, Shaanxi Normal University, Xi'an 710119, China |
| |
| Abstract: | |
| |
| Keywords: | image segmentation variational method shape priors Kernel PCA pose invariance |
|
| 点击此处可从《中国图象图形学报》浏览原始摘要信息 |
|
点击此处可从《中国图象图形学报》下载免费的PDF全文 |
|
