Campi casuali di Markov nella segmentazione delle immagini

Titolo originale:

Markov Random Fields in Image Segmentation

Contenuto del libro:

Markov Random Fields in Image Segmentation fornisce un'introduzione ai fondamenti della modellazione markoviana nella segmentazione delle immagini e una breve panoramica dei recenti progressi nel campo. La segmentazione è formulata all'interno di un quadro di etichettatura delle immagini, in cui il problema si riduce all'assegnazione di etichette ai pixel.

In un approccio probabilistico, le dipendenze dalle etichette sono modellate da campi casuali di Markov (MRF) e l'etichettatura ottimale è determinata dalla stima bayesiana, in particolare dalla stima massima a posteriori (MAP). Il vantaggio principale dei modelli MRF è che l'informazione preventiva può essere imposta localmente attraverso i potenziali di cricca. I modelli MRF di solito producono una funzione energetica non convessa.

La minimizzazione di questa funzione è fondamentale per trovare la segmentazione più probabile secondo il modello MRF. Gli algoritmi di ottimizzazione classici, tra cui l'annealing simulato e il rilassamento deterministico, sono trattati insieme ai più recenti algoritmi basati sul taglio dei grafi.

L'obiettivo principale di questa monografia è dimostrare i passi fondamentali per costruire un modello di segmentazione MRF facilmente applicabile e sviluppare ulteriormente le sue implementazioni multiscala e gerarchiche, nonché la loro combinazione in un modello multistrato. Esempi rappresentativi di telerilevamento e imaging biologico sono analizzati in dettaglio per illustrare l'applicabilità di questi modelli MRF.

Inoltre, come software supplementare, è disponibile un'implementazione campione dei più importanti algoritmi di segmentazione. Markov Random Fields in Image Segmentation è una risorsa preziosa per ogni studente, ingegnere o ricercatore che si occupa di modellazione markoviana per la segmentazione delle immagini.