Variational approach for image segmentation incorporating shape knowledge

Abstract

이 논문에서 우리는 형태 사전 지식을 사용한 레벨 셋 방법에 기초해서분할 알고리즘을 다룬다. 기본적인 분할 모델은 대상이 가려져 있거나 일부분이 누락된 경우에 배경에서 바람직한 대상을 분할하지 못한다. 이런어려움을 극복하기 위해서 부분 및 전체 이미지 정보를 이용해서 만든 에너지 함수를 형태 사전 지식과 통합한다. 이 방법은 다른 문헌에서 제시된방법들을 향상 시켜서 심지어 이미지가 누락돼있거나 가려짐, 잡음, 낮은명암을 가진 불균일한 강도의 이미지도 분할한다. 우리는 두 가지 경우를고려한다. 하나는 형태 사전 지식이 원하는 개체의 위치에 정확하게 배치되고, 다른 하나는 형태 사전 지식이 임의의 위치에 배치된다. 우리는 다양한이미지에 우리 방법을 테스트하고 기존의 다른 방법과 비교한다. 실험 결과들로 우리 방법이 정확하고 계산이 효율적일뿐만 아니라 기존의 방법들보다 더 빠르다는 것을 볼 수 있다.

In this dissertation, we discuss segmentation algorithms based on the level set method that incorporates shape prior knowledge. Fundamental segmentation models fail to segment desirable objects from a background when the objects are occluded by others or missing parts of their whole. To overcome these difficulties, we incorporate shape prior knowledge into a new segmentation energy that, uses global and local image information to construct the energy functional. This method improves upon other methods found in the literature and segments images with intensity inhomogeneity, even when images have missing or misleading information due to occlusions, noise, or low-contrast. We consider the case when the shape prior is placed exactly at the locations of the desired objects and the case when the shape prior is placed at arbitrary locations. We test our methods on various images and compare them to other existing methods. Experimental results show that our methods are not only accurate and computationally efficient, but faster than existing methods as well.