文献

J-GLOBAL ID：201802229886466773   整理番号：18A0855483

雑音画像セグメンテーションのためのカーネル計量ベースのデータ項を用いた変分モデル【JST・京大機械翻訳】

Variational model with kernel metric-based data term for noisy image segmentation

著者 (3件)： Liu Yang (College of Mathematics and Statistics, Chongqing University, Chongqing 401331, China) ,  He Chuanjiang (College of Mathematics and Statistics, Chongqing University, Chongqing 401331, China) ,  Wu Yongfei (College of Data Science, Taiyuan University of Technology, Taiyuan 030024, China)
資料名： Digital Signal Processing  (Digital Signal Processing)
巻： 78  ページ： 42-55  発行年： 2018年 
JST資料番号： W1600A  ISSN： 1051-2004  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： 雑音がセグメンテーション精度に大きな影響を及ぼすので,厳しい雑音を持つ画像のセグメンテーションは常に非常に困難なタスクである。本論文では,データ忠実度メトリックとしてGauss動径基底関数(GRBF)カーネルに基づくカーネル計量を含む画像セグメンテーションのためのロバスト変分レベル集合モデルを提案した。カーネル計量は,進化曲線の内部(または外部)の平均強度値に近いピクセルの寄与を適応的に強調することができ,雑音の影響を低減する。提案したエネルギー汎関数は厳密に凸で,BV(Ω)においてユニークなグローバル最小化器を持つことを証明した。進化方程式を二つの線形微分方程式と非線形微分方程式に分解する三段階時間分割スキームを開発し,提案したモデルを効率的に数値的に解いた。実験結果は,提案方法がいくつかのタイプの雑音(すなわち,塩とコショウ雑音,Gauss雑音と混合雑音)に非常にロバストであり,6つの最先端の関連モデルより良い性能を持つことを示した。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： ロバスト性 ,  *雑音 ,  画素 ,  *画像 ,  Gauss雑音 ,  *変分法 ,  *セグメンテーション ,  凸形 ,  動径基底関数
準シソーラス用語： 非線形微分方程式 ,  線形微分方程式 ,  エネルギー汎関数 ,  レベルセット法 ,  *変分モデル ,  *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 ,  変分モデル ,  カーネル計量 ,  時間分割スキーム

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)： 雑音 ,  画像セグメンテーション ,  カーネル ,  計量 ,  変分モデル