文献

J-GLOBAL ID：202102210902549226   整理番号：21A2568445

埋込み近傍情報制約に基づくファジィクラスタリング画像セグメンテーションのための適応特徴選択アルゴリズム【JST・京大機械翻訳】

An Adaptive Feature Selection Algorithm for Fuzzy Clustering Image Segmentation Based on Embedded Neighbourhood Information Constraints

著者 (3件)： Ren Hang (Changchun Institute of Optics, Fine Mechanics and Physics, Chinese Academy of Sciences, Changchun 130033, China) ,  Ren Hang (Key Laboratory of Airborne Optical Imaging and Measurement, Changchun Institute of Optics, Fine Mechanics and Physics, Chinese Academy of Sciences, Changchun 130033, China) ,  Hu Taotao (School of Physics, Northeast Normal University, Changchun 130024, China)
資料名： Sensors (Web)  (Sensors (Web))
巻： 20  号： 13  ページ： 3722  発行年： 2020年 
JST資料番号： U7015A  ISSN： 1424-8220  CODEN： SENSC9  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 本論文では,Gauss混合モデルによるファジィクラスタリングセグメンテーションのための特徴選択アルゴリズムのロバスト性の欠如に取り組んだ。近傍画素と中心画素が同じ分布に従うと仮定して,Markov法を導入し,事前確率分布を構築し,クラスタ化サンプル点のためのメンバーシップ度正則化制約を達成した。次に,ノイズ平滑化因子を導入して,事前確率制約を最適化した。第2に,ノイズ平滑化因子のKullbackLeibler(KL)発散が事前確率を監督するために使用するので,分類メンバーシップ度および事前確率を結合することによって,電力指数を構築した。この確率は,正規因子としてファジィスーパーピクセルファジィC平均(FSFCM)に組み込まれる。本論文は,近傍情報制約を有する適応特徴選択Gauss混合モデルに基づくファジィクラスタリング画像セグメンテーションアルゴリズムを提案した。改良型アルゴリズムのセグメンテーション性能と抗ノイズロバスト性を検証するために,ファジィC平均クラスタ化アルゴリズムファジィC平均(FCM),FSFCM,空間変動有限混合モデル(SVFMM),EGFMM,拡張Gauss混合モデル(EGMM),適応特徴選択ロバストファジィクラスタリングセグメンテーションアルゴリズム(AFSFCM),高速かつロバスト空間制約Gauss混合モデル(GMM)を画像セグメンテーション(FRSCGMM),および改良方式を用いて,Gauss雑音,塩-および-ペッパー雑音,乗法雑音,および混合雑音を含む灰色画像をセグメント化した。ピーク信号対雑音比(PSNR)と誤り率(MCR)を,セグメンテーション結果を評価するための理論的基礎として用いた。本論文で提案した改良アルゴリズム指標を最適化した。改良したアルゴリズムは,他のアルゴリズムと比較して,0.127212.9803dB,1.55013.4396dB,1.911311.2613dBおよび1.023310.2804dBの増加をもたらし,そして,Mis分類率(MSR)は,他のアルゴリズムと比較して,0.3237.32%,5.0241.05%,0.321.79%および0.930.95%減少した。改良型アルゴリズムのセグメンテーション結果は,良好な局所一貫性と強い雑音ロバスト性を持ち,それらは雑音画像セグメンテーションのニーズを満たすことを検証した。Copyright 2021 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *アルゴリズム ,  最適化 ,  *セグメンテーション ,  確率分布 ,  Gauss雑音 ,  クラスタ化 ,  事前確率 ,  画素 ,  *特徴選択 ,  平滑化 ,  正則化 ,  ロバスト性
準シソーラス用語： *画像セグメンテーション ,  *ファジィクラスタリング ,  Gauss混合モデル , 【Automatic Indexing@JST】

著者キーワード (4件)： 埋め込まれた近傍情報 ,  Gauss混合モデル ,  ファジィクラスタリング ,  画像セグメンテーション

分類 (1件)： 図形・画像処理一般  (JE04010I)

引用文献 (54件)：

• Saha, B.N.; Ray, N. Image thresholding by variational minimax optimization. Pattern Recognit. 2009, 42, 43-856.
• Vrooman, H.A.; Cocosco, C.A.; Lijn, F.V.D.; Stokking, R.; Ikram, M.A.; Vernooij, M.W.; Breteler, M.M.B.; Niessen, W.J. Multi-spectral brain tissue segmentation using automatically trained k-nearest-neighbour classification. Neuroimage 2007, 37, 71-81.
• Kim, S.; Chang, D.Y.; Nowozin, S.; Kohli, P. Image segmentation using higher-order correlation clustering. IEEE Trans. Pattern Anal. Mach. Intell. 2014, 36, 1761-1774.
• Pereyra, M.; Mclaughlin, S. Fast unsupervised bayesian image segmentation with adaptive spatial regularisation. IEEE Trans. Image Process. 2017, 26, 2577-2587.
• Dunn, J.C. A fuzzy relative of the ISODATA process and its use in detecting compact well-separated clusters. J. Cybern. 1973, 3, 32-57.

タイトルに関連する用語 (8件)： 埋込み ,  近傍 ,  制約 ,  ファジィクラスタリング ,  画像セグメンテーション ,  適応 ,  特徴選択 ,  アルゴリズム