• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文学位 >Stochastic and biological metaphor parameter estimation on the Gaussian mixture model and image segmentation by Markov random field.
【24h】

Stochastic and biological metaphor parameter estimation on the Gaussian mixture model and image segmentation by Markov random field.

机译：基于高斯混合模型的随机和生物隐喻参数估计以及马尔可夫随机场的图像分割。

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

The model parameters of image in real life applications are usually unknown and are necessary for any image processing such as image segmentation. Parameter estimation, labels, can be done from observed image. We proposed use of probabilistic transition rules based on biological metaphor, Genetic Algorithm (GA), standard Expectation Maximization (EM), Simulated Annealing (SA) and mix of these methods for learning Gaussian mixture components to achieve accurate parameter estimation on images.; We also introduced modified implementations of SA for image segmentation. The segmentation procedure is based on Markov random field (MRF) model for describing regions within an image. We proposed a random cost function for computing a posterior energy function in SA. The proposed modified Simulated Annealing (SA-RCF) method depicts more robust performance for image segmentation than standard SA at the same computational cost. Alternatively, we proposed a multi-resolution (MR) approach based on MRF, which offers a robust segmentation for noisy images with significant reduction in the computational cost on phantom images.; This thesis proposes accurate and stable solution methods for both parameter estimation and image segmentation for dental images. All proposed methods were evaluated on CT phantom images and applied on muCT images.
机译：实际应用中的图像模型参数通常是未知的，并且对于任何图像处理（例如图像分割）都是必需的。参数估计，标签可以从观察到的图像中完成。我们建议使用基于生物隐喻，遗传算法（GA），标准期望最大化（EM），模拟退火（SA）的概率转移规则，并结合使用这些方法来学习高斯混合分量，以对图像进行准确的参数估计。我们还介绍了用于图像分割的SA的改进实现。分割过程基于马尔可夫随机场（MRF）模型，用于描述图像中的区域。我们提出了一个随机成本函数来计算SA中的后验能量函数。所提出的改进的模拟退火（SA-RCF）方法在相同的计算成本下比标准SA表现出更强的图像分割性能。另外，我们提出了一种基于MRF的多分辨率（MR）方法，该方法可为嘈杂的图像提供鲁棒的分割，并大大减少了幻像图像的计算成本。本文针对牙齿图像的参数估计和图像分割提出了一种准确，稳定的求解方法。所有提议的方法都在CT体模图像上进行了评估，并应用于muCT图像上。

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