文献

J-GLOBAL ID：201102218688116266   整理番号：11A0598739

集積回路化を目指した大局的画像領域分割のための領域ベース結合MRFモデル

A Region-based Coupled MRF Model for Coarse Image Region Segmentation toward its VLSI Implementation

著者 (6件)： 梁海超 (九州工業大学大学院生命体工学研究科) ,  川嶋佑輔 (九州工業大学大学院生命体工学研究科) ,  松坂建治 (九州工業大学大学院生命体工学研究科) ,  中田一紀 (九州工業大学大学院生命体工学研究科) ,  岡田真人 (東京大学大学院新領域創成科学研究科) ,  森江隆 (九州工業大学大学院生命体工学研究科)
資料名： 電気学会論文誌 C  (IEEJ Transactions on Electronics, Information and Systems)
巻： 131  号： 3  ページ： 567-575 (J-STAGE)  発行年： 2011年 
JST資料番号： S0810A  ISSN： 0385-4221  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： 大局的画像領域分割は,入力画像を大まかな領域に分割する処理であり,その結果を用いて以降の処理を行うことにより,処理の高速化および性能向上が期待できる。その手法の一つに,結合マルコフ確率場(MRF)モデルがあり,画素並列型回路による集積回路実装に適している。結合MRFモデルでは,画素間の相互作用は画像の事前情報に陽に含まれない隠れ変数によって決定され,隠れ変数の相互作用の働きにより境界ベース結合モデルと領域ベース結合モデルの二種類に大別できる。このうち,領域ベースモデルでは,隠れ変数であるラベルそのもので領域を取り出せるため,境界が曖昧な場合でも領域に分割されることが期待される。しかし,モデルの収束速度が遅いという課題があった。この課題に対し,筆者らは抵抗ヒューズネットワークモデルを前処理として利用することを提案し,さらにCMOS集積回路に実現できることをこれまでに示した。本論文では,この領城ベースモデルを詳細に解析し,パラメータの政良・調整によりモデルの性能評価を行い,最適化を試みた。その結果,状態更新式の一部の関数を区分線形関数に変更することにより,大局的画像領域分割の性能を向上させることに成功した。更新関数が簡略化されたため,集積回路実装もより容易になることも期待できる。実画像を用いた性能評価により,境界ベースである抵抗ヒューズネットワーク(RFN)モデルに対する優位性を確認した。

シソーラス用語： *セグメンテーション ,  *画像処理 ,  Markov過程 ,  *確率モデル ,  集積回路 ,  半導体集積回路
準シソーラス用語： *画像分割 ,  *Markov確率場 ,  領域モデル ,  領域抽出 ,  CMOS集積回路

分類 (1件)： 図形・画像処理一般  (JE04010I)

引用文献 (25件)：

• (1) H. Li, K. N. Ngan, and Q. Liu: “FaceSeg: Automatic Face Segmentation for Real-Time Video”, IEEE Trans. Multimedia, Vol. 11, No. 1, pp. 77-88 (2009-1)
• (2) I. Kokkinos and P. Maragos: “Synergy between Object Recognition and Image Segmentation Using the Expectation-Maximization Algorithm”, IEEE Trans. Pattern Analysis and Machine Intelligence, Vol. 31, No. 8, pp. 1486-1501 (2009-8)
• (3) Y. Chen and J. Z. Wang: “A Region-Based Fuzzy Feature Matching Approach to Content-Based Image Retrieval”, IEEE Trans. Pattern Analysis and Machine Intelligence, Vol. 24, No. 9, pp. 1252-1267 (2002-9)
• (4) X. Qi and Y. Han: “A novel fusion approach to content-based image retrieval”, Pattern Recognition, Vol. 38, No. 12, pp. 2449-2465 (2005-12)
• (5) K. Belloulata and J. Konrad: “Fractal Image Compression With Region-Based Functionality”, IEEE Trans. Image Processing, Vol. 11, No. 4, pp. 351-362 (2002-4)

タイトルに関連する用語 (4件)： 集積回路化 ,  画像領域 ,  MRF ,  モデル