文献

J-GLOBAL ID：201702261598059199   整理番号：17A0142956

多様体ランキングと前コンパクト性を経た新しい顕著性検出法【Powered by NICT】

A novel saliency detection method via manifold ranking and compactness prior

著者 (4件)： Zhang Libo (University of Chinese Academy of Sciences, Beijing, China) ,  Ullah Zakir (University of Chinese Academy of Sciences, Beijing, China) ,  Sun Yihan (University of Chinese Academy of Sciences, Beijing, China) ,  Luo Tiejian (University of Chinese Academy of Sciences, Beijing, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： BIBM  ページ： 1628-1634  発行年： 2016年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 顕著性検出の性能を改善するために,使用したグラフ構築アルゴリズムは,優れた結果を達成した。本論文では,顕著性検出の新規ボトムアップアプローチ,事前背景とコンパクト性の両方の利点を提案した。まず,より正確な顕著性推定結果を達成するために,固定しきい値を持つ誤った部分を除去することにより,画像境界選択を最適化した。背景質問によるランキングにより得られた顕著性マップは,以前のコンパクト性を最適化することができる。顕著の対象は群は,空間分布するコンパクトな形式と連結領域が存在した。八つの最新顕著性検出手法と比較して,三の公共データセット上で試験する著者らの実験結果は,提案したアルゴリズムは,精度とロバスト性を改善することを示した。このアルゴリズムは多くの異なる分野におけるその潜在的応用を見出すことができるが,それは高精度要求のために医療科学と技術のためのスーツのが最良である。骨,筋肉と脂肪から腫瘍を正確に同定する医用画像処理に用いることができる。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 画像 ,  ロバスト性 ,  *コンパクト性 ,  最適化 ,  *検出法 ,  *多様体 ,  腫瘍 ,  アルゴリズム ,  空間分布 ,  *等級づけ
準シソーラス用語： 医用画像処理 ,  高精度 ,  顕著性マップ , 【Automatic Indexing@JST】

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)： 多様体 ,  ランキング ,  コンパクト性 ,  検出法