.png){kind=icon}
返回
A new level set method with global alternating minimization algorithm for image segmentation
.png){kind=icon}
PRE
AI
DOI：10.1016/j.apm.2025.116396.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
• 将包含边缘信息的全变分项引入凸能量中，提高了处理弱边缘和噪声的能力。
• 基于ADMM和FFT设计了一种高效快速的交替优化算法。
• 我们消除了对时间步长的显式依赖，确保了解决方案在时间维度上的灵活性。
• 所提出的模型具有全局最小值，在工业CT数据上表现出卓越的分割效果。
Keyword:
total variation
convex energy
ADMM
FFT
image segmentation
期刊
IF:
5.1
论文数:
1.3K
被引数:
2.8W
机构
引用论文
A convex variational level set model for image segmentation一种用于图像分割的凸变分水平集模型.png)
SIGNAL PROCESSING
SIGNAL PROCESSINGIF3.6
PREAI
分享收藏Many birds, one stone: Medical image segmentation with multiple partially labeled datasetsPATTERN RECOGNITION
PATTERN RECOGNITIONIF7.6
PREAI
分享收藏A Retinex modulated piecewise constant variational model for image segmentation and bias correction
PREAI
分享收藏A multi-scale level set method based on local features for segmentation of images with intensity inhomogeneityPATTERN RECOGNITION
PATTERN RECOGNITIONIF7.6
PREAI
分享收藏UCTNet: Uncertainty-guided CNN-Transformer hybrid networks for medical image segmentation用于医学图像分割的不确定性引导的CNN-Transformer混合网络PATTERN RECOGNITION
PATTERN RECOGNITIONIF7.6
PREAI
分享收藏
查看更多内容