Campos aleatorios de Markov en la segmentación de imágenes

Título original:

Markov Random Fields in Image Segmentation

Contenido del libro:

Markov Random Fields in Image Segmentation ofrece una introducción a los fundamentos del modelado markoviano en la segmentación de imágenes, así como una breve panorámica de los avances recientes en este campo. La segmentación se formula dentro de un marco de etiquetado de imágenes, en el que el problema se reduce a asignar etiquetas a los píxeles.

En un enfoque probabilístico, las dependencias de las etiquetas se modelan mediante campos aleatorios de Markov (MRF) y el etiquetado óptimo se determina mediante estimación bayesiana, en particular la estimación máxima a posteriori (MAP). La principal ventaja de los modelos MRF es que la información previa puede imponerse localmente mediante potenciales de camarilla. Los modelos MRF suelen producir una función de energía no convexa.

La minimización de esta función es crucial para encontrar la segmentación más probable según el modelo MRF. Se tratan algoritmos de optimización clásicos, como el recocido simulado y la relajación determinista, junto con algoritmos más recientes basados en el corte de grafos.

El objetivo principal de esta monografía es demostrar los pasos básicos para construir un modelo de segmentación MRF de fácil aplicación y seguir desarrollando sus implementaciones multiescala y jerárquicas, así como su combinación en un modelo multicapa. Se analizan con todo detalle ejemplos representativos de teledetección e imágenes biológicas para ilustrar la aplicabilidad de estos modelos MRF.

Además, se ofrece como software complementario una implementación de ejemplo de los algoritmos de segmentación más importantes. Markov Random Fields in Image Segmentation es un recurso inestimable para todo estudiante, ingeniero o investigador que se ocupe de la modelización markoviana para la segmentación de imágenes.