文献

J-GLOBAL ID：201702226980008950   整理番号：17A1060534

画像セグメンテーションのためのグラフカットと雲モデル戦略の相乗的統合【Powered by NICT】

Synergistic integration of graph-cut and cloud model strategies for image segmentation

著者 (4件)： Li Weisheng (Chongqing Key Laboratory of Computational Intelligence, Chongqing University of Posts and Telecommunications, Chongqing 400065, China) ,  Wang Ying (Chongqing Key Laboratory of Computational Intelligence, Chongqing University of Posts and Telecommunications, Chongqing 400065, China) ,  Du Jiao (Chongqing Key Laboratory of Computational Intelligence, Chongqing University of Posts and Telecommunications, Chongqing 400065, China) ,  Lai Jun (Chongqing Key Laboratory of Computational Intelligence, Chongqing University of Posts and Telecommunications, Chongqing 400065, China)
資料名： Neurocomputing  (Neurocomputing)
巻： 257  ページ： 37-46  発行年： 2017年 
JST資料番号： W0360A  ISSN： 0925-2312  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,目的関数(GC CM)を構築するための雲モデルを用いた画像データを計算する新しいグラフカット画像分割法を提案した。目的関数では,境界保存平滑項と異なる領域に属することを各画素の偏差を評価するデータ項目を含んでいる。コア法は雲発生器による雲モデルとして画像の前景オブジェクトと背景をモデル化した。データ項目はX条件雲発生器を用いて計算した。滑らかな項として確立された隣接ピクセルの類似性を計算するために各画素のメンバシップ度を用いた。エネルギー最小化は,最小カット理論とグラフカット反復を完了した。従来のグラフカット法を用いた不連続端を持つセグメンテーション結果とは対照的に,この方法は,より優れた一般性と精度を持っていた。Berkeleyデータベース,合成データ,医用画像からの自然画像を含む種々のデータセット上での実験を行い,雲モデルとグラフカットに基づく提案した方法により,外の最新の方式よりも優れていることを示唆した。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 類似性 ,  目的関数 ,  *画像 ,  データベース ,  不連続性 ,  画素 ,  モデリング ,  *雲モデル ,  *セグメンテーション ,  医用画像
準シソーラス用語： 自然画像 ,  エネルギー最小化 ,  前景 ,  *グラフカット ,  *画像セグメンテーション , 【Automatic Indexing@JST】

著者キーワード (4件)： 画像セグメンテーション ,  雲モデル ,  グラフカット ,  エネルギー最適化

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： 画像セグメンテーション ,  グラフカット ,  雲モデル ,  戦略 ,  統合