Comments 10
Простите, а что Вы имели ввиду, когда говорили, что уравнение (1) похоже на гиперболическое? В гиперболическом уравнении, как минимум, есть вторые производные.
Второй аспект, который мне не очень понятен — это модуль. Как вы собираетесь дифференцировать уравнение?
Поясните пожалуйста, чем в реальной задаче может являться функция данных, параметр скорости и весовой коэффициент? У Вас приводится функционал для D(I). Из каких соображений он выбирался? Почему берётся модуль, а не квадрат, который часто намного проще и удобнее дифференцировать?
Поправте пожалуйста разметку формул. Ужасно неудобно читать.
То есть если значение пиксела попадает в интервал (T−ε,T+ε), то диапазон модели будет расширяться, иначе — сужаться.
Что такое диапазон модели? Это количество деталей на изображении? Размытость?
Также требуется задание начальной маски m. От того, какой мы ее выберем, будет зависеть начальное приближение φ. Для этого введем понятие маркированной карты расстояний
Что такое начальная маска m?
Про матрицу расстояний. Что Вы подразумеваете под границей объекта? Откуда объекты берутся. Предполагается, что они уже выделены?
Что означает вот эти фразы? Про какие пикселы ведётся речь непонятно совершенно. Вы говорите о чём-то вроде свёрток?
Маркированная карта расстояний — это матрица, имеющая положительный знак перед значениями пикселов, которые находятся вне объекта, и отрицательный для тех, которые внутри него.
Поправьте пожалуйста разметку кода. Тоже лють какая-то.
В целом, видно, что человек проделал какую-то работу. Что-то вроде как понимает (или должен понимать), но доносит он до народа это ужасно. Набор формул, которые плохо связаны друг с другом. Мне не нравится. Хотел разобраться и закодить. Но понял, что себе дороже: слишком много времени потрачу на разбор формул, в которых, видимо, есть местами ошибки. Плюс ко всему, они плохо оформлены, что тоже накладывает отпечаток.
Поправьте пожалуйста статью. Спасибо (=
Я не понимаю вашего вопроса про объекты. На изображении невооруженным глазом видны объекты, которые нам интересны: это может быть мозг, печень, да и в принципе что угодно. Их мы и стараемся сегментировать, думаю, вы это понимаете.
То есть пользователь, видя картинку, задает маску так, чтобы она находился внутри объекта (который он видит невооруженным взглядом), потом алгоритм меняет эту маску, расширяя ее или сужая.
В этой задаче функция D выбиралась из соображений задачи сегментации: выделить на изображении нужные мне объекты. Предложили этот функционал американские математики, поэтому вопрос про квадрат лучше задать им. Но, в принципе, можно пробовать разные функционалы в зависимости от задачи.
Статью поправил
Да, видимо. Я потом об этом тоже подумал. Но дальше без бутылки не разобраться. Автор писал статью для себя. Грустно… Человек, сталкнувшийся с этим алгоритмом первый раз потратит уйму времени, прежде чем поймёт, что до него хотели донести. Картинки, такое ощущение вообще натырены.
Бинарная сегментация изображений методом фиксации уровня (Level set method)