文献

J-GLOBAL ID：201002284630822018   整理番号：10A0291022

被写界深度の低い画像から焦点を合わせた物体の自動セグメンテーション

Automatic segmentation of focused objects from images with low depth of field

著者 (8件)： LIU Zhi (School of Communication and Information Engineering, Shanghai Univ., Shanghai 200072, CHN) ,  LIU Zhi (Key Lab. of Advanced Display and System Application, Shanghai Univ., Ministry of Education, Shanghai 200072, CHN) ,  LI Weiwei (School of Communication and Information Engineering, Shanghai Univ., Shanghai 200072, CHN) ,  SHEN Liquan (School of Communication and Information Engineering, Shanghai Univ., Shanghai 200072, CHN) ,  SHEN Liquan (Key Lab. of Advanced Display and System Application, Shanghai Univ., Ministry of Education, Shanghai 200072, CHN) ,  HAN Zhongmin (School of Communication and Information Engineering, Shanghai Univ., Shanghai 200072, CHN) ,  ZHANG Zhaoyang (School of Communication and Information Engineering, Shanghai Univ., Shanghai 200072, CHN) ,  ZHANG Zhaoyang (Key Lab. of Advanced Display and System Application, Shanghai Univ., Ministry of Education, Shanghai 200072, CHN)
資料名： Pattern Recognition Letters  (Pattern Recognition Letters)
巻： 31  号： 7  ページ： 572-581  発行年： 2010年05月01日 
JST資料番号： H0913A  ISSN： 0167-8655  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 被写界深度の低い画像から焦点を合わせた物体を抽出する自動セグメンテーション手法を提案した。まず焦点エネルギーマップを,焦点をあわせた領域とそうでない背景間の高周波成分の差異に基づいて推定し,さらに,ウオータシェッド変換による事前セグメンテーション結果に基づき領域/境界顕著性マップを構築した。次ぎに,焦点をあわせた物体の領域/境界マスクを,エントロピーしきい値処理と塗りつぶし(flood filling)により生成し,また閉じた領域/境界マスクを得るために効率的な境界リンキング法を提案した。このマスクにより,焦点をあわせた物体のシード領域,焦点はずれの背景,および不確定領域を含むトライマップを合理的に生成した。最後に,このトライマップを画像マッティングモデルの入力として使用した。このモデルは,推定アルファマットに基づき正確な焦点をあわせた物体の正確なセグメンテーション結果を得るため,不確定領域の画像を分類するのに用いられる。被写界深度の低い画像での実験結果で,この手法の良好なセグメンテーション性能を示した。Copyright 2010 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.

シソーラス用語： *セグメンテーション ,  *画像処理 ,  *焦点深度 ,  焦点合せ ,  水文モデル ,  分類
準シソーラス用語： 画像セグメンテーション ,  画像分類 ,  *被写界深度 ,  流域モデル ,  *閾値処理

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)： 被写界深度 ,  焦点 ,  物体 ,  自動セグメンテーション