文献

J-GLOBAL ID：201702212923691253   整理番号：17A0165432

多変量最適化の自然画像分割手法【JST・京大機械翻訳】

Multi-Class Variational Model for Natural Image Segmentation

著者 (4件)： Yang Yong (School of Information Engineering, Huang He Science and Technology College) ,  Guo Ling (School of Information Engineering, Huang He Science and Technology College) ,  Ye Yangdong (School of Information Engineering, Zheng Zhou University) ,  Zhou Xiaojia (School of Automation Engineering, University of Electronic Science and Technology of China)
資料名： Dianzi Keji Daxue Xuebao  (Dianzi Keji Daxue Xuebao)
巻： 45  号： 5  ページ： 824-831  発行年： 2016年 
JST資料番号： W1475A  ISSN： 1001-0548  CODEN： DKDAEM  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： 自然画像におけるコンテンツの多様性,複雑性,およびランダム性のために,領域内の定常クラスタ中心仮説(CV-CHAN)モデルとマルチレベル集合モデルを採用すると,非線形性と連続性を有する自然画像コンテンツを効果的に記述することは困難である。本論文では,領域内の自由度によって制御される多変量学生の確率密度分布を記述することによって,領域内の一定の密度の制約を打破するために,多クラスの非線形の動的輪郭モデルを提案した。多くの非線形変動活性輪郭モデルは領域外力を欠くため、離散的、細かいノイズ領域を分割しやすく、測地線領域外力の約項を導入することによって、区域間の滑らかな境界を有効に分割することができる。多変量モデルの最小化問題はNP困難問題であるため、多種類の変分活性輪郭モデルに対して離散化表現を提案し、そして対応する多層グラフカットモデルを構築し、最大流/最小二乗解法を用いて大域近似最適解を迅速に求める。実験結果は,提案したセグメンテーション法が,非均一ターゲット領域を正確に分割することができ,領域間の境界が滑らかで,視覚効果が良好であることを示した。Data from the ScienceChina, LCAS. Translated by JST【JST・京大機械翻訳】

シソーラス用語： コンテンツ ,  セグメンテーション ,  自由度 ,  最小二乗法 ,  測地線 ,  非線形性 ,  *分割法 ,  視覚効果 ,  変分法 ,  連続性 ,  *最適化 ,  最小化問題
準シソーラス用語： 離散化 ,  *自然画像 ,  *多変量 , 【Automatic Indexing@JST】

著者キーワード (4件)： active contour ,  graphcut optimization ,  natural image segmentation ,  variational model

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： 多変量 ,  最適化 ,  自然画像 ,  分割手法