Markov Random Fields în segmentarea imaginilor

Titlul original:

Markov Random Fields in Image Segmentation

Conținutul cărții:

Markov Random Fields in Image Segmentation oferă o introducere la elementele fundamentale ale modelării markoviene în segmentarea imaginilor, precum și o scurtă prezentare a progreselor recente în domeniu. Segmentarea este formulată într-un cadru de etichetare a imaginilor, în care problema este redusă la atribuirea de etichete pixelilor.

Într-o abordare probabilistă, dependențele dintre etichete sunt modelate prin câmpuri aleatoare Markov (MRF), iar o etichetare optimă este determinată prin estimare bayesiană, în special prin estimare maximă a posteriori (MAP). Principalul avantaj al modelelor MRF este că informațiile prealabile pot fi impuse la nivel local prin intermediul potențialelor clique. Modelele MRF produc de obicei o funcție de energie neconvexă.

Minimizarea acestei funcții este esențială pentru a găsi segmentarea cea mai probabilă în conformitate cu modelul MRF. Algoritmii clasici de optimizare, inclusiv recoacerea simulată și relaxarea deterministă, sunt tratați împreună cu algoritmi mai recenți bazați pe tăierea grafurilor.

Scopul principal al acestei monografii este de a demonstra pașii de bază pentru construirea unui model de segmentare MRF ușor de aplicat și de a dezvolta în continuare implementările sale multi-scale și ierarhice, precum și combinarea acestora într-un model multistrat. Exemple reprezentative din teledetecție și imagistică biologică sunt analizate în detaliu pentru a ilustra aplicabilitatea acestor modele MRF.

În plus, un exemplu de implementare a celor mai importanți algoritmi de segmentare este disponibil ca software suplimentar. Markov Random Fields in Image Segmentation este o resursă inestimabilă pentru orice student, inginer sau cercetător care se ocupă de modelarea markoviană pentru segmentarea imaginilor.