文献

J-GLOBAL ID：201802283006995940   整理番号：18A1768743

柔軟でロバストな閾値選択法【JST・京大機械翻訳】

A Flexible and Robust Threshold Selection Method

著者 (4件)： Wang Zhenzhou (State Key Laboratory of Robotics, Shenyang Institute of Automation, Chinese Academy of Sciences, Shenyang, China) ,  Xiong Jingjing (State Key Laboratory of Robotics, Shenyang Institute of Automation, Chinese Academy of Sciences, Shenyang, China) ,  Yang Yongming (State Key Laboratory of Robotics, Shenyang Institute of Automation, Chinese Academy of Sciences, Shenyang, China) ,  Li Haixing (State Key Laboratory of Robotics, Shenyang Institute of Automation, Chinese Academy of Sciences, Shenyang, China)
資料名： IEEE Transactions on Circuits and Systems for Video Technology  (IEEE Transactions on Circuits and Systems for Video Technology)
巻： 28  号： 9  ページ： 2220-2232  発行年： 2018年 
JST資料番号： W0321A  ISSN： 1051-8215  CODEN： ITCTEM  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： 画像セグメンテーション技術の大きな繁栄と急速な発展にもかかわらず,閾値選択法は,多くの実用的応用においてまだ最良の選択である。最先端の閾値選択法は,磁気共鳴画像,細胞画像,およびレーザライン画像のような異なるモダリティで多くの画像を分割するのに不十分である。したがって,最適精度で異なるモダリティで画像をセグメント化できるよりロバストな方法により得ることが望ましい。この目的のために,この方法は柔軟であり,そのパラメータは異なるタイプの画像に対して調整可能である。本論文では,調整可能なパラメータを用いて画像ヒストグラムから計算される傾斜差分布に基づく閾値を計算することを提案した。最初に,画素を異なる画素クラスへの傾斜差分布のピークに基づいてクラスタ化した。第二に,閾値を,画素クラスを分離するために,傾斜差分布の谷に基づいて選択した。この閾値選択法のロバスト性は,各特定タイプの画像に対する最適セグメンテーション精度を達成するために較正できる調整可能なパラメータに依存する。提案した閾値選択法を合成画像と実画像の両方で試験した。実験結果は,提案方法が全体として最先端の方法より優れていることを示した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： レーザ ,  セグメンテーション ,  クラスタ化 ,  画像 ,  画素 ,  高速度 ,  ヒストグラム ,  NMRイメージング ,  *ロバスト性
準シソーラス用語： モダリティ ,  画像セグメンテーション ,  合成画像 ,  *閾値選択 ,  最先端 ,  細胞画像 , 【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 (2件)： ロバスト ,  閾値選択