本頁只刊出中文翻譯與中文說明；英文原文請見下方原文連結。
原文連結
論文資訊
- 類型：已發表論文
- 日期：2022-09-02
摘要
提出了一種新技術，將遺傳演算法（GA）與水平集函數結合，以分割影像上已知形狀和變化的物件。 GA 的個體（也稱為染色體）由水平集函數的參數序列組成。每條染色體代表一個獨特的分割輪廓。分割輪廓的初始群體是基於從訓練影像中學習到的水平集參數的變化而產生的。每個分割輪廓（個體）根據其包圍區域的紋理來評估其適合度。最適應的個體可以透過選擇、交叉和突變傳播到遺傳演算法運行的後代。因此，遺傳演算法提供了一個結合紋理和形狀特徵進行分割的框架。基於水平集的分割方法通常對能量函數執行梯度下降最小化以使分割輪廓變形。計算導數的計算複雜度隨著能量函數中項數的增加而增加。相較之下，這裡基於水平集的曲線演化/變形是使用遺傳演算法進行無導數的。此演算法已經過測試，可用於分割手部熱成像影像以及分割骨盆 CT 和 MRI 影像中的前列腺。在本文中，我們描述前者；後者在[11, 12]中描述。 LSGA 成功地在手僅部分可見的影像上分割了整個手。在本文的最後，我們報告了 LSGA 性能的實驗評估，並將其與使用單一特徵的演算法進行了比較：基於 Gabor 小波的紋理分割方法 [1, 9]，以及 Chan 和 Vese [6] 的基於水平集的分割演算法。