Sökning: onr:"swepub:oai:DiVA.org:liu-19313" >
A Fast Optimization...
A Fast Optimization Method for Level Set Segmentation
-
- Andersson, Thord (författare)
- Linköpings universitet,Medicinsk informatik,Tekniska högskolan,Centrum för medicinsk bildvetenskap och visualisering, CMIV
-
- Läthén, Gunnar (författare)
- Linköpings universitet,Digitala Medier,Tekniska högskolan,Centrum för medicinsk bildvetenskap och visualisering, CMIV
-
- Lenz, Reiner (författare)
- Linköpings universitet,Digitala Medier,Tekniska högskolan,Centrum för medicinsk bildvetenskap och visualisering, CMIV
-
visa fler...
-
- Borga, Magnus (författare)
- Linköpings universitet,Medicinsk informatik,Tekniska högskolan,Centrum för medicinsk bildvetenskap och visualisering, CMIV
-
visa färre...
-
(creator_code:org_t)
- Berlin, Heidelberg : Springer Berlin/Heidelberg, 2009
- 2009
- Engelska.
-
Ingår i: Image Analysis. - Berlin, Heidelberg : Springer Berlin/Heidelberg. - 9783642022296 - 9783642022302 ; , s. 400-409
- Relaterad länk:
-
https://liu.diva-por... (primary) (Raw object)
-
visa fler...
-
https://link.springe...
-
https://urn.kb.se/re...
-
https://doi.org/10.1...
-
visa färre...
Abstract
Ämnesord
Stäng
- Level set methods are a popular way to solve the image segmentation problem in computer image analysis. A contour is implicitly represented by the zero level of a signed distance function, and evolved according to a motion equation in order to minimize a cost function. This function defines the objective of the segmentation problem and also includes regularization constraints. Gradient descent search is the de facto method used to solve this optimization problem. Basic gradient descent methods, however, are sensitive for local optima and often display slow convergence. Traditionally, the cost functions have been modified to avoid these problems. In this work, we instead propose using a modified gradient descent search based on resilient propagation (Rprop), a method commonly used in the machine learning community. Our results show faster convergence and less sensitivity to local optima, compared to traditional gradient descent.
Nyckelord
- Image segmentation - level set method - optimization - gradient descent - Rprop - variational problems - active contours
- TECHNOLOGY
- TEKNIKVETENSKAP
Publikations- och innehållstyp
- ref (ämneskategori)
- kon (ämneskategori)
Hitta via bibliotek
Till lärosätets databas