文献

J-GLOBAL ID：201802233380724632   整理番号：18A0218593

ワタ葉身の複雑な背景画像の連合分割アルゴリズム【JST・京大機械翻訳】

Co-Segmentation Algorithm for Complex Background Image of Cotton Seedling Leaves

著者 (3件)： Li Kai (甘粛農業大学机電工程学院 蘭州 730070;中国農業科学院農業信息研究所 北京 100081) ,  Feng Quan (甘粛農業大学机電工程学院 蘭州 730070) ,  Zhang Jianhua (中国農業科学院農業信息研究所 北京 100081)
資料名： Jisuanji Fuzhu Sheji yu Tuxingxue Xuebao  (Jisuanji Fuzhu Sheji yu Tuxingxue Xuebao)
巻： 29  号： 10  ページ： 1871-1880  発行年： 2017年 
JST資料番号： W1498A  ISSN： 1003-9775  CODEN： JFTXFX  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 自然光条件の下でのワタ葉の自動的,普遍的,および正確なセグメンテーションを実現するために,Markov確率場最適化モデルに基づく共同セグメンテーションアルゴリズムを提案した。まず、非監督の共同顕著性検出アルゴリズムを用いて、一組のワタ苗葉身画像中の各画像に共通の顕著性図を生成し、これらの顕著性図をマルコフ確率場における内部画像エネルギー関数を構築するために用いた。次に,混合Gaussモデルを用いて,すべての画像における共通の目標(葉)と単一画像における葉の差異をモデル化し,Markov確率場最適化モデルの新しいグローバル制約としてグローバルエネルギー項を構築した。最後に,標準のグラフカットアルゴリズム(Grabcut)と反復法を用いて,エネルギー関数を最小化し,ワタ葉の画像セグメンテーションを実現した。異なる気象条件と異なる背景により600のワタ苗葉画像を撮影し、このデータベース上での実験結果により、このアルゴリズムが晴天、曇天と雨後の画像における目標の平均正確分割率は84.8%と87.7%と91.6%で、古典的なGrabcutよりそれぞれ10.7%と3%高いことが分かった。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： 逐次近似 ,  セグメンテーション ,  モデリング ,  *アルゴリズム ,  気象条件 ,  Gauss模型 ,  *画像 ,  データベース ,  *葉身
準シソーラス用語： 画像セグメンテーション ,  エネルギー関数 ,  検出アルゴリズム ,  最適化モデル ,  Markov確率場 ,  *背景画像 , 【Automatic Indexing@JST】

著者キーワード (4件)： cotton seedling leaves ,  Markov random field ,  saliency detection ,  image segmentation

分類 (3件)： 図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S) ,  医用画像処理  (JE04020T)

タイトルに関連する用語 (4件)： ワタ ,  葉身 ,  背景画像 ,  アルゴリズム