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。
目的:CVモデルは画像のグローバル情報のみを利用するため、グレースケールの不均一画像に対する分割効果が理想的でなく、同時に弱エッジと弱テクスチャ画像の分割において、最適化は局部最適に陥りやすく、分割効率の低下を招き、しかも初期位置の選択に敏感である。これらの問題に対して、分数階微分と画像局部情報を結合したCVモデルを提案した。【方法】分数勾配情報を画像の局所情報に融合し,CVモデルの整数次数のグローバル情報を置き換え,次に,適応計算分数次数最適次数の数学モデルを確立し,次に,記号距離の制約項をモデルに加えた。一方では,局所的情報をグローバル情報に置換することによって,CVモデルの灰色の不均一画像分割効果の不満足な問題を,ある程度解決することができた。他方では,Gruenwald-Letnikov分数勾配情報を局所情報に融合し,分数次数0<α<1のとき,画像強度の不均一性,弱いエッジ,弱いテクスチャ領域の勾配情報が増加した。その結果,進化駆動力回避の進化曲線が局所最適に陥ることを避け,画像の灰色変化による発展曲線の駆動力が小さい問題を効果的に解決し,初期輪郭位置の選択とノイズに敏感な問題をある程度解決した。同時に,最適分数次数の時間的時間コストの問題を解決するために,画像の勾配と情報エントロピーに基づく分数次数の最適次数の数学モデルを確立し,次に,適応分数次数モデルをアルゴリズムに適用して,最適分数次数を適応的に決定した。さらに,モデルの再初期化を避けるために,記号距離の制約項をモデルに追加して,曲線の進化効率を改善した。【結語】理論解析と実験結果は,このアルゴリズムが,不均一,弱いエッジ,および弱いテクスチャ領域の画像をよく分割することができ,画像特徴に従って,最適分数次数を適応的に決定することができ,セグメンテーション精度とセグメンテーション効率を改善できることを示した。そして,初期の輪郭位置の選択とノイズに対してロバストである。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】