Manifold-enhanced Segmentation through Random Walks on Linear Subspace Priors

Abstract : In this paper we propose a novel method for knowledge-based segmentation. Our contribution lies on the introduction of linear sub-spaces constraints within the random-walk segmentation framework. Prior knowledge is obtained through principal component analysis that is then combined with conventional boundary constraints for image segmentation. The approach is validated on a challenging clinical setting that is multicomponent segmentation of the human upper leg skeletal muscle in Magnetic Resonance Imaging, where there is limited visual differentiation support between muscle classes.
Type de document :
Communication dans un congrès
British Machine Vision Conference, 2012, United Kingdom. pp.51.1-51.10, 2012
Liste complète des métadonnées

Littérature citée [14 références]  Voir  Masquer  Télécharger

https://hal.archives-ouvertes.fr/hal-00773635
Contributeur : Pierre-Yves Baudin <>
Soumis le : lundi 14 janvier 2013 - 14:18:58
Dernière modification le : vendredi 15 février 2019 - 13:58:09
Document(s) archivé(s) le : samedi 1 avril 2017 - 04:28:51

Fichier

BMVCcamera_BAUDIN.pdf
Fichiers produits par l'(les) auteur(s)

Identifiants

  • HAL Id : hal-00773635, version 1

Citation

Pierre-Yves Baudin, Noura Azzabou, Pierre Carlier, Nikos Paragios. Manifold-enhanced Segmentation through Random Walks on Linear Subspace Priors. British Machine Vision Conference, 2012, United Kingdom. pp.51.1-51.10, 2012. 〈hal-00773635〉

Partager

Métriques

Consultations de la notice

1285

Téléchargements de fichiers

369