文献

J-GLOBAL ID：201202253958227763   整理番号：12A1312512

形状確率表現に基づくオブジェクトセグメンテーションのための縮小集合密度推定器

Reduced set density estimator for object segmentation based on shape probabilistic representation

著者 (6件)： CHEN Fei (Dep. of Information Sci. and Electronic Engineering, Zhejiang Univ., Hangzhou 310027, CHN) ,  CHEN Fei (School of Sciences, Jimei Univ., Xiamen 361021, CHN) ,  HU Roland (Dep. of Information Sci. and Electronic Engineering, Zhejiang Univ., Hangzhou 310027, CHN) ,  YU Huimin (Dep. of Information Sci. and Electronic Engineering, Zhejiang Univ., Hangzhou 310027, CHN) ,  YU Huimin (State Key Lab. of CAD & CG, Hangzhou 310027, CHN) ,  WANG Shiyan (Dep. of Information Sci. and Electronic Engineering, Zhejiang Univ., Hangzhou 310027, CHN)
資料名： Journal of Visual Communication and Image Representation  (Journal of Visual Communication and Image Representation)
巻： 23  号： 7  ページ： 1085-1094  発行年： 2012年10月 
JST資料番号： W0218A  ISSN： 1047-3203  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： 本論文では,オブジェクトセグメンテーションのために,形状確率表現に基づくノンパラメトリックな統計的形状モデルを提案した。訓練形状集合が与えられた時,形状表現のためにCremersらによる確率的手法を採用し,次に,形状確率表現上で主成分分析(PCA)を計算することにより,訓練形状の変動を捉えた。訓練集合の中の複雑な形状変動を符号化するために,有限次元部分空間の中で非線形形状分布をモデル化するために,縮小集合密度推定器を用いた。関心オブジェクトに対する進化型輪郭を誘導するために,凸セグメンテーション汎関数に対してこの統計的形状前処理を統合した。加えて,通常用いられている符号付き距離関数と比較して,形状確率表現に関するPCAでは,訓練形状のある種の詳細事項を捉えるために固有モードの数が少なくて済んだ。数値実験を行い,オブジェクトセグメンテーションのための期待の持てる結果とそのモデルのポテンシャルを示した。Copyright 2012 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 ,  *確率モデル ,  ノンパラメトリック法 ,  表現 ,  主成分分析 ,  推定 ,  密度 ,  輪郭 ,  実験 ,  汎関数 ,  関数
準シソーラス用語： 形状表現 ,  数値実験 ,  密度推定 ,  距離関数

分類 (2件)： パターン認識  (JE07000S) ,  システム・制御理論一般  (IA02010H)

タイトルに関連する用語 (7件)： 確率 ,  表現 ,  オブジェクトセグメンテーション ,  縮小 ,  集合 ,  密度 ,  推定