基于形态学特征曲线结构重建随机模型研究.pdfVIP

基于形态学特征的随机模型用于曲线结构重建

均，·塔拉布卡，乔·泽鲁比亚

法国息与自动化，AYIN研究团队，露西奥2004号，索菲亚安提

波里斯06902，法国电子邮件：{firstname.lastname}@inria.fr

在[7],曲线结构的随机推理方面，已有研究通过带

在本研究中，我们提出了一种利用路径算符的形态有形状先验约束的点过程进行建模。作者假设整个线网

学特征进行曲线结构重建的随机模型。我们应用支持向络可以被分割为多个小线段。尽管这一假设使得该算法

量机分类器来获得每个像素属于线网络的初始概率。随可以应用于多种类型的数据集，但在某些情况下，直线

后，我们构建了一个随机优化问题，用于检测与场景中段难以有效表示复杂的线网络。我们通过采用丰富的曲

潜在曲线结构相对应的线段。在丝状结构和图线特征描述符扩展了曲线结构的概率模型。我们执行一

像上的实验结果表明，与其他方法相比，所提议的种形态学操作[8]以分析局部结构，该方法受到

算法具有更高的有效性。Valeroetal.的工作[3]的启发。虽然Valeroetal.提出了

一种基于形态学特征统计的动态阈值方案，但我们则使

用监督学习算法来确定曲线结构的判断。此外，线

索引术语—曲线结构建模，形态学特征，目标检测，

网络被重建为线段的无序集合，以矢量信息，而非

点过程

像素级分类。

1.引言

我们希望开发一种曲线特征描述符和一种全自动曲

理解潜在的曲线结构一直是计算机视觉中的一个具有挑线结构提取算法。为此，我们构建了由像素强度和不同

战性的问题。在生物医学成像中，已经提出了线检长度参数下的形态学滤波响应组成的特征描述符[3]。我

法来分析丝状结构的复杂线性形状[1]并用于诊断们还研究了特征向量的最佳维度以及形态学特征所需的

血管疾病[2]。用于解释地理信息的道路提取算法已在遥最小长度参数。支持向量机（SVM）分类器[9]被用于

感应用中进行了研究[3]。获得像素级的后验概率，以判断其是否属于线网络。最

后，我们在构型空间上对能量进行最小化，以重建场景

模板匹配算法通过给定图像数据与预定义线形状之

中显著的曲线结构。我们通过将所提出算法在丝状

间的内积来计算像素的线性得分。例如，细长核的

结构和图像上的表现与最先进的方法进行比较，以

滤波器可以有效地突出与曲线结构[1,4]相对应的旋

验证其有效性。

转梯度幅值。形态学滤波[3,5]被广泛用于检测具有简单

形状先验的隐藏线性结构，例如用于定义地理信息的邻

接图。T¨uretken等[6]提出了一个基于整数规划的优本文的其余部分组织如下：第2节回顾路径算

化问题，用于连接属于线网络的离散控制点。符和形态学特征。第3节提出基于所提议特征描述符的

随机曲线结构建模。第4节实验结果。最后，我们

由于成像系统的迅速发展，曲线结构提取任务的自