抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
本論文では,k-平均クラスタリングと距離正則化レベルセット進展(DRLSE)の利点を組み込むことで多雑音画像のセグメンテーションのための新しいフレームワークを提案した。レベルセット法と動的輪郭モデル(A CM)は,画像処理,ロボットビジョン,物体認識およびコンピュータビジョンの応用において重要な役割を果たしている。DRLSEモデルが最近画像セグメンテーションのための強力な方法となっている。DRLSEモデルは通常のレベルセット法における再初期化問題を除去した。DRLSEは医用イメージング,リモートセンシングやコンピュータビジョンのようないくつかの分野に首尾よく適用した。しかし,雑音のある画像に適用した場合,重大な欠点(反復と計算時間の数が増加する)が得られた。従来DRLSEの欠点を避けるために,メディアンフィルタリング,k-平均クラスタリングとDRLSEモデルを結合する方法を導入した。雑音のない画像は中央値フィルタリングによる抽出した;次にk-meansクラスタリングは,雑音除去された画像に適用した。最終段階はDRLSEモデルは前セグメンテーションプロセスを用いた物体境界の抽出に適用したことである。精度とアルゴリズムの効率は,種々の雑音のある磁気共鳴(MR)脳画像に記述することができた。実験は,提案した方法は雑音の多い画像に対するより効果的であることを示した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】