文献

J-GLOBAL ID：201002212922359024   整理番号：10A0983381

画像セグメンテーションのためのMarkov確率場の自己検証ラベル付け

Self-Validated Labeling of Markov Random Fields for Image Segmentation

著者 (4件)： FENG Wei (City Univ. Hong Kong, Hong Kong, S.A.R., CHN) ,  FENG Wei (Chinese Univ. Hong Kong, Hong Kong, S.A.R., CHN) ,  JIA Jiaya (Chinese Univ. Hong Kong, Hong Kong, S.A.R., CHN) ,  LIU Zhi-Qiang (Chinese Univ. Hong Kong, Hong Kong, S.A.R., CHN)
資料名： IEEE Transactions on Pattern Analysis and Machine Intelligence  (IEEE Transactions on Pattern Analysis and Machine Intelligence)
巻： 32  号： 10  ページ： 1871-1887  発行年： 2010年10月 
JST資料番号： B0519B  ISSN： 0162-8828  CODEN： ITPIDJ  資料種別： 逐次刊行物 (A)
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： コンピュータビジョンにおいて重要な役割を果たす画像セグメンテーションに関して最近,品質および効率性のバランスに注目したKラベル付けセグメンテーションに対する手法が多数提案されている。これに対し本論文では,未知の数のラベルを用いることによる,画像セグメンテーションのためのMarkov確率場(MRF)の自己検証ラベル付けを提案した。セグメンテーションのためのグラフ定式化を行い,その中で,自己検証型ラベル付けに対する二値s-tグラフカットを拡張したGGC(段階型グラフカット)を提示し,最適二値セグメンテーションについて論じ,その中で,特徴空間の表現とエネルギー割当について議論を行った。GGCに関しては,ツリー構造型グラフカット(TSGC),ネット構造型グラフカット(NSGC),階層型グラフカット(HGC),一般的基準に基づく提案アルゴリズムの準最適性の経験的検証,などについて詳細な議論を行った。自然画像のセグメンテーションに対して提案手法の性能評価実験を行い,8種類の最先端技法との比較を行った。その結果,提案アルゴリズムが,ノイズへのロバスト性,速度,ソフト境界の保持,の意味で他の手法よりも性能的に優れていることを確認した。

シソーラス用語： *セグメンテーション ,  画像処理 ,  *ラベル付け【画像】 ,  グラフ ,  最適化手法 ,  空間 ,  ツリー構造 ,  画像 ,  評価試験 ,  性能評価 ,  ロバスト性 ,  雑音
準シソーラス用語： *Markov確率場 ,  グラフカット ,  *画像セグメンテーション ,  自然画像 ,  特徴空間

分類 (3件)： パターン認識  (JE07000S) ,  図形・画像処理一般  (JE04010I) ,  システム・制御理論一般  (IA02010H)

タイトルに関連する用語 (5件)： 画像セグメンテーション ,  Markov確率場 ,  自己 ,  検証 ,  ラベル付け