کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
---|---|---|---|---|
6938776 | 1449965 | 2018 | 35 صفحه PDF | دانلود رایگان |
عنوان انگلیسی مقاله ISI
An adaptive-scale active contour model for inhomogeneous image segmentation and bias field estimation
ترجمه فارسی عنوان
یک مدل کانتور فعال در مقیاس سازگار برای برآورد تقسیم بندی تصویر و تعادلی ناهمگن
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
کلمات کلیدی
مدل کنتور فعال، تقسیم بندی تصویر، تصویر شدت نامتقارن، اپراتور مقیاس سازگار، تخمین میدان تقاطع،
موضوعات مرتبط
مهندسی و علوم پایه
مهندسی کامپیوتر
چشم انداز کامپیوتر و تشخیص الگو
چکیده انگلیسی
The active contour model is a widely used method for image segmentation. Most existing active contour models yield poor performance when applied to images with severe intensity inhomogeneity. To address this issue, we propose an adaptive-scale active contour model (ASACM) based on image entropy and semi-naive Bayesian classifier, which achieves simultaneous segmentation and bias field estimation for images with severe intensity inhomogeneity. Firstly, an adaptive scale operator is constructed to adaptively adjust the scale of the ASACM according to the degree of the intensity inhomogeneity. Secondly, we define an improved bias field estimation term via distributing a dependent-membership function for each pixel to estimate the bias field in severe inhomogeneous images. Thirdly, a new penalty term is proposed using piecewise polynomial, which helps to avoid time-consuming re-initialization process and instability in conventional penalty term. The experimental results demonstrate that the proposed ASACM consistently outperforms many state-of-the-art models in segmentation accuracy, segmentation efficiency and robustness w.r.t initialization and noise.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Pattern Recognition - Volume 82, October 2018, Pages 79-93
Journal: Pattern Recognition - Volume 82, October 2018, Pages 79-93
نویسندگان
Qing Cai, Huiying Liu, Sanping Zhou, Jingfeng Sun, Jing Li,