文献

J-GLOBAL ID：201702262533324978   整理番号：17A0886536

適応空間正則化を用いた高速教師なしBayes画像セグメンテーション【Powered by NICT】

Fast Unsupervised Bayesian Image Segmentation With Adaptive Spatial Regularisation

著者 (2件)： Pereyra Marcelo (School of Mathematical and Computer Sciences, Heriot Watt University, Edinburgh, U.K.) ,  McLaughlin Steve (School of Engineering and Physical Sciences, Heriot Watt University, Edinburgh, U.K.)
資料名： IEEE Transactions on Image Processing  (IEEE Transactions on Image Processing)
巻： 26  号： 6  ページ： 2577-2587  発行年： 2017年 
JST資料番号： W0364A  ISSN： 1057-7149  CODEN： IIPRE4  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： 本論文では,未知の正則化パラメータを持つ隠れたPotts Markov確率場のための新しいBayes推定技術を提示し,高速教師なしK クラス画像セグメンテーションへの応用。技術を疎外化によるBayesモデル,およびそれに次いで空間正則化とPottsモデルの整数制約項は分離した小さな分散漸近(SVA)解析により正則化パラメータを除去する最初に導いた。SVA Bayes推定量の評価は,凸全変動雑音除去問題と最小二乗クラスタリング(K 平均)問題の両方が直接的に解き,高次元でも,並列計算技術とを繰り返し解くことによって効率的に計算できることを問題に緩和した。空間正則化の強度は推論手順中に観測された画像を自動的に適用し,大規模2Dおよび3Dシナリオまたは低計算時間を必要とする応用で容易に適用できる高速完全教師なしBayes画像セグメンテーション方法論をもたらした。,最新のアルゴリズムとの詳細な比較だけでなく,人工的画像および実画像上での実験結果により,提案した方法論は,極めて高速な収束を提供し,正確なセグメンテーション結果を生成し,自己調整正則化パラメータの重要な付加的利点を持つことを確認した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： *セグメンテーション ,  クラスタ化 ,  *正則化 ,  三次元 ,  雑音除去 ,  高次元 ,  *高速度 ,  CPU時間 ,  Bayes推定 ,  推定量 ,  アルゴリズム ,  最小二乗法 ,  *画像
準シソーラス用語： 正則化パラメータ ,  *画像セグメンテーション , 【Automatic Indexing@JST】

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)： 適応 ,  正則化 ,  教師 ,  画像セグメンテーション