試料再構成とFLDAに基づく対話型画像セグメンテーション【Powered by NICT】

Luo Lingkun; Wang Xiaofang; Hu Shiqiang; Hu Xin; Chen Liming

文献

J-GLOBAL ID：201802249916582540 整理番号：18A0392666

試料再構成とFLDAに基づく対話型画像セグメンテーション【Powered by NICT】

Interactive image segmentation based on samples reconstruction and FLDA

出版者サイト複写サービスで全文入手 {{ this.onShowCLink("http://jdream3.com/copy/?sid=JGLOBAL&noSystem=1&documentNoArray=18A0392666&COPY=1") }}
高度な検索・分析はJDreamⅢで {{ this.onShowJLink("http://jdream3.com/lp/jglobal/index.html?docNo=18A0392666&from=J-GLOBAL&jstjournalNo=W0218A") }}

著者 (5件)： , , , ,
資料名：
巻： 43 ページ： 138-151 発行年： 2017年
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)

既存の対話型画像セグメンテーション法は,手動入力,すなわち十分な量と標識の正しい位置に大きく依存している。本論文では,人間の介入を低減し,高品質セグメンテーション結果を生成することを目的とした新しい対話型セグメンテーションアルゴリズムを提案した。セグメンテーション法を最小化する最もエネルギーとは対照的に,セグメンテーションは,提案した方法で多重分類と考えられている。最初に,入力画像は,異なる方法を用いてスーパーピクセルに分割した。は得られた全てのスーパピクセルの辞書を構築し,特定の標識スーパピクセルに代表される試料を再構成した。最後に,フィッシャー線形判別分析(FLDA)アルゴリズムにより判別射影行列,分類のための判別部分空間を学習する学習を行った。ラベル付けされていないスーパーピクセルが前景または背景に分類され,それらの最小ノルムを計算することであった。著者らの方法は,長距離グルーピング手がかりを捕捉し,のラベル入力標識量と位置に関する感度を低下させ,スーパピクセルおよび識別辞書の組合せによることができる。提案した方法の有効性を実証するためにMSRCおよび他の挑戦的なデータベースの両方に,広範囲の実験を行った。定量的および定性的結果は,この方法が最先端の性能に匹敵することを示した。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

, , , , ,
, , , , , , , , 【Automatic Indexing@JST】

著者キーワード (6件)： , , , , ,

パターン認識 , 図形・画像処理一般

, ,

前のページに戻る