Pola losowe Markowa w segmentacji obrazów

Oryginalny tytuł:

Markov Random Fields in Image Segmentation

Zawartość książki:

Książka Markov Random Fields in Image Segmentation stanowi wprowadzenie do podstaw modelowania markowskiego w segmentacji obrazów, a także krótki przegląd najnowszych osiągnięć w tej dziedzinie. Segmentacja jest formułowana w ramach etykietowania obrazów, gdzie problem jest zredukowany do przypisywania etykiet do pikseli.

W podejściu probabilistycznym, zależności etykiet są modelowane przez losowe pola Markowa (MRF), a optymalne etykietowanie jest określane przez estymację bayesowską, w szczególności estymację MAP (maximum a posteriori). Główną zaletą modeli MRF jest to, że wcześniejsze informacje mogą być narzucane lokalnie poprzez potencjały kliki. Modele MRF zazwyczaj dają niewypukłą funkcję energii.

Minimalizacja tej funkcji ma kluczowe znaczenie dla znalezienia najbardziej prawdopodobnej segmentacji zgodnie z modelem MRF. Klasyczne algorytmy optymalizacji, w tym symulowane wyżarzanie i deterministyczna relaksacja, są traktowane wraz z nowszymi algorytmami opartymi na cięciu grafów.

Głównym celem niniejszej monografii jest zademonstrowanie podstawowych kroków w celu skonstruowania łatwego do zastosowania modelu segmentacji MRF i dalszego rozwoju jego wieloskalowych i hierarchicznych implementacji, a także ich połączenia w modelu wielowarstwowym. Reprezentatywne przykłady z teledetekcji i obrazowania biologicznego są szczegółowo analizowane w celu zilustrowania możliwości zastosowania tych modeli MRF.

Co więcej, przykładowa implementacja najważniejszych algorytmów segmentacji jest dostępna jako oprogramowanie uzupełniające. Markov Random Fields in Image Segmentation to nieocenione źródło wiedzy dla każdego studenta, inżyniera lub badacza zajmującego się modelowaniem markowowskim do segmentacji obrazu.