Smooth Chan-Vese Segmentation via Graph Cuts

DANĚK, Ondřej, Pavel MATULA, Martin MAŠKA a Michal KOZUBEK. Smooth Chan-Vese Segmentation via Graph Cuts. Pattern recognition letters : an official publication of the International Association for Pattern Recognition. Amsterdam: Elsevier, 2012, roč. 33, č. 10, s. 1405-1410. ISSN 0167-8655. Dostupné z: https://dx.doi.org/10.1016/j.patrec.2012.03.013.

Základní údaje

Originální název

Smooth Chan-Vese Segmentation via Graph Cuts

Název česky

Hladká Chan-Vese segmentace pomocí grafových řezů

Autoři

DANĚK, Ondřej (203 Česká republika, garant, domácí), Pavel MATULA (203 Česká republika, domácí), Martin MAŠKA (203 Česká republika) a Michal KOZUBEK (203 Česká republika, domácí)

Vydání

Pattern recognition letters : an official publication of the International Association for Pattern Recognition. Amsterdam, Elsevier, 2012, 0167-8655

---

Další údaje

Jazyk

angličtina

Typ výsledku

Článek v odborném periodiku

Obor

10201 Computer sciences, information science, bioinformatics

Stát vydavatele

Nizozemské království

Utajení

není předmětem státního či obchodního tajemství

Odkazy

URL

Impakt faktor

Impact factor: 1.266

Kód RIV

RIV/00216224:14330/12:00057198

Organizační jednotka

Fakulta informatiky

DOI

http://dx.doi.org/10.1016/j.patrec.2012.03.013

UT WoS

000305771400018

Klíčová slova anglicky

image segmentation; graph cut framework; Chan-Vese model; boundary smoothness; memory consumption

Štítky

cbia-web

Příznaky

Mezinárodní význam, Recenzováno

---

Anotace

V originále

The graph cut framework presents an efficient method for approximating the minimum of the popular Chan-Vese functional for image segmentation. However, a fundamental drawback of graph cuts is a need for a dense neighbourhood system in order to avoid geometric artefacts and jagged boundaries. The increasing connectivity leads to excessive memory consumption and burdens the efficiency of the method. In this paper, we address the issue by introducing a two-stage connectivity scaling approach. First, coarse segmentation is calculated using a sparse neighbourhood over the whole image. In the second stage, the segmentation is refined by employing a dense neighbourhood in a narrow band around the boundary from the first stage. We demonstrate that this method fits well with the Chan-Vese functional and yields smooth boundaries without increasing the computational demands significantly. Moreover, under specific conditions, the construction has no negative effect on the optimality of the solution.

Česky

Článek se zabývá hladkou Chan-Vese segmentací pomocí grafových řezů.

---

Návaznosti

GBP302/12/G157, projekt VaV	Název: Dynamika a organizace chromosomů během buněčného cyklu a při diferenciaci v normě a patologii Investor: Grantová agentura ČR, Dynamika a organizace chromosomů během buněčného cyklu a při diferenciaci v normě a patologii
LC535, projekt VaV	Název: Dynamika a organizace chromosomů během buněčného cyklu v normě a patologii Investor: Ministerstvo školství, mládeže a tělovýchovy ČR, Dynamika a organizace chromosomů během buněčného cyklu v normě a patologii
MSM0021622419, záměr	Název: Vysoce paralelní a distribuované výpočetní systémy Investor: Ministerstvo školství, mládeže a tělovýchovy ČR, Vysoce paralelní a distribuované výpočetní systémy
MUNI/A/0914/2009, interní kód MU	Název: Rozsáhlé výpočetní systémy: modely, aplikace a verifikace (Akronym: SV-FI MAV) Investor: Masarykova univerzita, Rozsáhlé výpočetní systémy: modely, aplikace a verifikace, DO R. 2020_Kategorie A - Specifický výzkum - Studentské výzkumné projekty
2B06052, projekt VaV	Název: Vytipování markerů, screening a časná diagnostika nádorových onemocnění pomocí vysoce automatizovaného zpracování multidimenzionálních biomedicínských obrazů (Akronym: Biomarker) Investor: Ministerstvo školství, mládeže a tělovýchovy ČR, Vytipování markerů, screening a časná diagnostika nádorových onemocnění pomocí vysoce automatizovaného zpracování multidimenzionálních biomedicínských obrazů