MCA aided geodesic active contours for image segmentation with textures
MCA aided geodesic active contours for image segmentation with textures
复制标题
MCA 辅助测地线活动轮廓用于纹理图像分割
DOI：
10.1016/j.patrec.2014.04.018
复制
发表时间：
2014-08
影响因子：
5.1
通讯作者：
Na Wang
中科院分区：
文献类型：
--
作者：
Hao Shan;Changtao He;Na Wang
在复杂纹理条件下，测地线活动轮廓（GAC）模型通常不能区分不同的形态成分。本文提出了一种基于形态成分分析（MCA）的自动分类算法（MCA-GAC）。其核心工作是准确分割图像对象，克服轮廓演化过程中不需要的纹理的障碍。MCA-GAC利用MCA的迭代特性和边缘曲线的最佳稀疏表示。分割是通过曲波尺度和MCA迭代进化MCA-GACs来完成的。在纹理和加性高斯白色随机噪声条件下对MCA-GAC进行了验证。实验结果表明，MCA-GAC在分割任务中具有竞争力和实用前景。
Models of geodesic active contour (GAC) cannot usually distinguish one morphological component from another under conditions of complex textures. This paper proposes a morphological component analysis (MCA) aided GAC, namely MCA-GAC. The central effort is to segment image objects accurately and overcome obstacles from the undesired textures during the contour evolution. MCA-GAC takes advantage of the iterative property of MCA and optimal sparse representation of curvelet for edges. Segmentation is accomplished by evolving MCA-GACs through curvelet scales and MCA iterations. MCA-GAC is testified under conditions of textures and additive Gaussian white random noise. Experimental results demonstrate that MCA-GAC has competitive and practical prospects in the tasks of segmentation.
登录
查看更多内容
影响因子：
10.6
作者：
Jiangyuan Mei;Yulin Si;Huijun Gao
通讯作者：
Jiangyuan Mei;Yulin Si;Huijun Gao
影响因子：
14.9
作者：
M. Wakin
通讯作者：
M. Wakin
影响因子：
10.6
作者：
Chan, TF;Vese, LA
通讯作者：
Vese, LA
DOI：
--
发表时间：
1988
期刊：
--
影响因子：
--
作者：
S. Osher;J. Sethian
通讯作者：
S. Osher;J. Sethian
DOI：
--
发表时间：
2002
期刊：
--
影响因子：
--
作者：
B. Sandberg;T. Chan;L. Vese
通讯作者：
B. Sandberg;T. Chan;L. Vese