• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>International Workshop on Computer Vision for Biomedical Image Applications(CVBIA 2005); 20051021; Beijing(CN) >A Hybrid Framework for Image Segmentation Using Probabilistic Integration of Heterogeneous Constraints
【24h】

A Hybrid Framework for Image Segmentation Using Probabilistic Integration of Heterogeneous Constraints

机译：使用异构约束的概率积分的图像分割混合框架

获取原文
获取原文并翻译 | 示例
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

In this paper we present a new framework for image segmentation using probabilistic multinets. We apply this framework to integration of region-based and contour-based segmentation constraints. A graphical model is constructed to represent the relationship of the observed image pixels, the region labels and the underlying object contour. We then formulate the problem of image segmentation as the one of joint region-contour inference and learning in the graphical model. The joint inference problem is solved approximately in a band area around the estimated contour. Parameters of the model are learned on-line. The fully probabilistic nature of the model allows us to study the utility of different inference methods and schedules. Experimental results show that our new hybrid method outperforms methods that use homogeneous constraints.
机译：在本文中，我们提出了一种使用概率多网络进行图像分割的新框架。我们将此框架应用于基于区域和基于轮廓的分割约束的集成。构建图形模型来表示观察到的图像像素，区域标签和基础对象轮廓的关系。然后，我们将图像分割问题表达为图形模型中联合区域轮廓推断和学习之一。联合推断问题大约在估计轮廓周围的频带区域内解决。该模型的参数是在线学习的。该模型的完全概率性质使我们能够研究不同推理方法和时间表的效用。实验结果表明，我们的新混合方法优于使用齐次约束的方法。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号