Variational and level set methods in image segmentation

تقسیم بندی تصویر شامل تقسیم یک دامنه تصویر به مناطق مجزا با توجه به خصوصیات تصویر در داخل یا بین مناطق است. بنابراین، بخش‌بندی یک تصویر به معنای تقسیم دامنه آن به اجزای مرتبط است. راه‌حل کارآمد مشکلات کلیدی در تقسیم‌بندی تصویر، نویدبخش ایجاد مجموعه‌ای غنی از برنامه‌های کاربردی مفید است. حوزه های کاربردی اصلی فعلی شامل رباتیک، تجزیه و تحلیل تصویر پزشکی، سنجش از راه دور، درک صحنه و بازیابی پایگاه داده تصویر است. موضوع این کتاب تقسیم‌بندی تصویر با روش‌های متغیر با تمرکز بر فرمول‌بندی‌هایی است که از منحنی‌های صفحه منظم بسته برای تعریف مناطق تقسیم‌بندی و اجرای مجموعه سطحی از الگوریتم‌های تکامل منحنی فعال مربوطه استفاده می‌کنند. هر روش از یک تابع هدف توسعه یافته است که محدودیت‌هایی را در پارتیشن حوزه تصویر بخش‌بندی و داده‌های تصویر در داخل یا بین مناطق پارتیشن تعبیه می‌کند. سپس شرایط لازم برای بهینه سازی تابع هدف مشتق شده و به صورت عددی حل می شود. این کتاب، در منحنی فعال و فرمالیسم مجموعه سطح، روش‌های اصلی تقسیم‌بندی دو ناحیه‌ای، توسعه‌های چند منطقه‌ای، ادغام منطقه، مدل‌سازی تصویر، و تقسیم‌بندی مبتنی بر حرکت را پوشش می‌دهد. برای درمان کلاس‌های مهم مختلف تصاویر، مدل‌سازی چندین توزیع پارامتری مانند گاوسی، گاما، وایبول و ویشارت را بررسی می‌کند. همچنین مدل های ناپارامتریک را بررسی می کند. در تقسیم بندی حرکت، هم جریان نوری و هم حرکت اجسام سه بعدی واقعی مورد مطالعه قرار می گیرند.

Image segmentation consists of dividing an image domain into disjoint regions according to a characterization of the image within or in-between the regions. Therefore, segmenting an image is to divide its domain into relevant components. The efficient solution of the key problems in image segmentation promises to enable a rich array of useful applications. The current major application areas include robotics, medical image analysis, remote sensing, scene understanding, and image database retrieval. The subject of this book is image segmentation by variational methods with a focus on formulations which use closed regular plane curves to define the segmentation regions and on a level set implementation of the corresponding active curve evolution algorithms. Each method is developed from an objective functional which embeds constraints on both the image domain partition of the segmentation and the image data within or in-between the partition regions. The necessary conditions to optimize the objective functional are then derived and solved numerically. The book covers, within the active curve and level set formalism, the basic two-region segmentation methods, multiregion extensions, region merging, image modeling, and motion based segmentation. To treat various important classes of images, modeling investigates several parametric distributions such as the Gaussian, Gamma, Weibull, and Wishart. It also investigates non-parametric models. In motion segmentation, both optical flow and the movement of real three-dimensional objects are studied.