文献

J-GLOBAL ID：201702289113348479   整理番号：17A0194565

画像分割のための局所的分割モデルの2段階の高速最適化を提案した。【JST・京大機械翻訳】

Fast two-stageimage segmentation based on local correntropy-based K-means model

著者 (4件)： Song Yangyang (School of Sciences, Northwest A&F University) ,  Liu Yingzhou (School of Sciences, Northwest A&F University) ,  Xie Xiaozhen (School of Sciences, Northwest A&F University) ,  Hao Zhihui (School of Sciences, Northwest A&F University)
資料名： Zhongguo Tuxiang Tuxing Xuebao  (Zhongguo Tuxiang Tuxing Xuebao)
巻： 21  号： 11  ページ： 1448-1454  発行年： 2016年 
JST資料番号： C2782A  ISSN： 1006-8961  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 目的:LCK(LOCAL BASED-BASED K-MEANS)モデルの収束速度が遅いため、LCKモデルに基づく二段階高速分割モデルを提案する。方法:2段階の高速分割モデルは粗い分割と細分割を含んでいる。1)粗分割:最初に,分割したオリジナル画像をサンプリングし,データ量を低減した。次に,LCKモデルを用いて,粗いスケールの画像を分割して,粗い分割結果とそれらの対応する粗レベルセット関数を得た。データ量の減少により,粗分割ステップは近似的に分割結果を得ることができる。2)細分割:レベル集合関数平滑性制約の下で,粗い分割結果とそれらの対応する粗レベルセット関数をオリジナル画像のスケールにサンプリングして,次に,粗いサンプルセットの初期値としてサンプリングした粗レベルセット機能を使用して,オリジナル画像をLCKモデルによって細分化した。初期値は真の目標境界に近いため,少ない反復回数で最終分割結果を得ることができる.結果:F-SCORE評価法を用いて,自然および合成画像の分割結果を分析し,LCKモデルと比較して,新しいモデルF-SCOREは最大値を示し,反復回数は50以下であった。結論:粗い分割ステップは小さいデータ量の状況で、迅速に目標を分割することができる。細分割ステップは,初期のセグメンテーション結果に迅速に収束することができ,そして,モデルの計算効率と精度を効果的に改善することができた。このアルゴリズムは,未知の雑音と灰色の非均一性を有する医用画像を分割するために使用することができ,セグメンテーション効率は高い。Data from the ScienceChina, LCAS. Translated by JST【JST・京大機械翻訳】

シソーラス用語： セグメンテーション ,  平滑度 ,  不均一性 ,  *画像 ,  制約条件 ,  *高速度 ,  医用画像 ,  *最適化
準シソーラス用語： 計算効率 ,  合成画像 ,  初期値 ,  レベルセット法 ,  データ量 ,  収束速度 ,  *画像セグメンテーション , 【Automatic Indexing@JST】

著者キーワード (5件)： image segmentation ,  active contours ,  level set method ,  coarse segmentation ,  accurate segmentation

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： 画像分割 ,  モデル ,  段階 ,  最適化 ,  提案