String Methods for Stochastic Image and Shape Matching
String Methods for Stochastic Image and Shape Matching
复制标题
用于随机图像和形状匹配的字符串方法
DOI：
10.1007/s10851-018-0823-z
复制
发表时间：
2018
影响因子：
2
通讯作者：
Arnaudon A
中科院分区：
文献类型：
--
作者：
Arnaudon A
图像匹配和形状差异分析传统上是通过对用于匹配形状对象的变形路径的能量最小化来实现的。在大变形微分同构度量映射（LDDMM）框架中，匹配函数的迭代梯度下降导致匹配算法，非正式地称为Beg算法。当引入随机性来模拟形状的随机变异性，并为观测到的形状数据提供更真实的模型时，可以使用随机Beg算法解决相应的匹配问题，类似于在罕见事件抽样中使用的有限温度串方法。本文应用一个与LDDMM框架几何兼容的随机模型来获得图像的随机模型，并推导了Beg算法的随机版本，并将其与字符串方法和后验似然的期望最大化优化进行了比较。在随机LDDMM地标和图像上测试了该算法及其在统计推断中的应用。
Matching of images and analysis of shape differences is traditionally pursued by energy minimization of paths of deformations acting to match the shape objects. In the large deformation diffeomorphic metric mapping (LDDMM) framework, iterative gradient descents on the matching functional lead to matching algorithms informally known as Beg algorithms. When stochasticity is introduced to model stochastic variability of shapes and to provide more realistic models of observed shape data, the corresponding matching problem can be solved with a stochastic Beg algorithm, similar to the finite-temperature string method used in rare event sampling. In this paper, we apply a stochastic model compatible with the geometry of the LDDMM framework to obtain a stochastic model of images and we derive the stochastic version of the Beg algorithm which we compare with the string method and an expectation-maximization optimization of posterior likelihoods. The algorithm and its use for statistical inference is tested on stochastic LDDMM landmarks and images.
登录
查看更多内容
DOI：
--
发表时间：
2010
期刊：
影响因子：
--
作者：
A. Trouv'e;Franccois
通讯作者：
Franccois
DOI：
10.1007/978-3-319-59050-9_45
发表时间：
2016
期刊：
ArXiv
影响因子：
--
作者：
Alexis Arnaudon;Darryl D. Holm;A. Pai;S. Sommer
通讯作者：
S. Sommer
DOI：
10.1111/j.2517-6161.1977.tb01600.x
发表时间：
1977-01-01
期刊：
JOURNAL OF THE ROYAL STATISTICAL SOCIETY SERIES B-METHODOLOGICAL
影响因子：
--
作者：
DEMPSTER, AP;LAIRD, NM;RUBIN, DB
通讯作者：
RUBIN, DB
DOI：
10.1016/j.amc.2019.03.044
发表时间：
2017
期刊：
ArXiv
影响因子：
--
作者：
Line Kühnel;Alexis Arnaudon;S. Sommer
通讯作者：
S. Sommer
用于不确定性地标图像配准的 Langevin 方程
DOI：
10.1137/16m1079282
发表时间：
2016
期刊：
SIAM J. Imaging Sci.
影响因子：
--
作者：
S. Marsland;T. Shardlow
通讯作者：
T. Shardlow