Resumen

El modelo de Mumford-Shah se utiliza ampliamente en la segmentación de imágenes. Su funcional de energía hace que el contenido de los segmentos permanezca homogéneo y que los límites de los segmentos sean cortos. Sin embargo, el problema es que la optimización del funcional puede ser muy lenta. Para abordar este problema, proponemos un modelo de Mumford-Shah de dos fases reducido para segmentar imágenes que tienen un objeto prominente. Primero, la segmentación inicial se obtiene mediante la técnica de agrupamiento k-means, minimizando aún más el funcional de Mumford-Shah mediante el algoritmo de Douglas-Rachford. La evaluación de las segmentaciones con varios métricas de error muestra que el 70 por ciento de las segmentaciones mantienen los valores de error por debajo del 50%. En comparación con el método de conjunto de nivel para resolver el modelo de Chan-Vese, nuestro algoritmo es significativamente más rápido. Al mismo tiempo, proporciona resultados de segmentación casi iguales o mejores. En comparación con la variante reciente de k-means, también proporciona una segmentación

• Materias:Algoritmo de reconocimiento Geometría proyectiva Ecuaciones fraccionarias Propiedades asintóticas Voltaje electrónico incorporado
• Subjects:Recognition algorithm Projective geometry Fractional equations Asymptotic properties Built-in electronic voltage
• Palabras claves:Segmentación de imágenes; Modelo de Mumford-Shah; Optimización; Modelo de dos fases; Resultados de segmentación; Características discriminantes
• Keywords:Image segmentation; Mumford-Shah model; Optimization; Two-phase model; Segmentation results; Discriminant features