文献

J-GLOBAL ID：202102212988625696   整理番号：21A0006780

水中画像のための洗練されたセグメンテーションモデルの設計【JST・京大機械翻訳】

Design of Refined Segmentation Model for Underwater Images

著者 (2件)： Liu Yi (Xidian University,School of Telecommunications Engineering,Xi’an,PR China) ,  Li Haofei (Xidian University,School of Telecommunications Engineering,Xi’an,PR China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： CCISP  ページ： 282-287  発行年： 2020年 
JST資料番号： W2441A  資料種別： 会議録 (C)
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は,画像からバックグラウンドと研究の対象を分離する技術である。水中画像セグメンテーションのために,伝統的方法は,その遅い補正速度と大きな誤差のために,複雑な画像分割の要求を満たすことができない。レベル集合に基づく画像セグメンテーション法は,幾何学的輪郭モデルに基づく画像セグメンテーションアルゴリズムである。この方法は,従来法,簡単な操作および正確な結果より安定である。現在,レベルセットアルゴリズムは,医用画像セグメンテーションと他の非水中画像セグメンテーションにおいて良い結果を達成したが,水中画像セグメンテーションの研究は,まだその幼児期にある。画像セグメンテーションのための改良レベル集合アルゴリズムを提案した。本論文では,水中画像の特徴を最初に解析し,曲線進化とレベル集合法のコア原理を詳細に記述した。次に,改良レベル集合アルゴリズムを提案し,水中近接画像の正確なセグメンテーションを達成した。実験部分では,様々な生物を含む水中画像集合に対するアルゴリズムの有効性を試験し,解析し,複雑なテクスチャを持つクラゲ画像の代表に対するアルゴリズムの有効性を実証した。同時に,このアルゴリズムとChan-Veseアルゴリズムのセグメンテーション結果を,実験的に比較した。実際の結果は,レベル集合アルゴリズムが水中近接画像の微細セグメンテーションを効果的に完了することができ,複雑なテクスチャの干渉に強いロバスト性を持つことを示した。現在,このアルゴリズムは水中光干渉に非常に敏感である。将来,本論文の作業を改善し,光に対するアルゴリズムの感度を低減することを試みた。Copyright 2021 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： アルゴリズム ,  *セグメンテーション ,  光干渉 ,  有効性 ,  ロバスト性
準シソーラス用語： 画像セグメンテーション ,  レベルセット法 ,  水中画像 ,  医用画像セグメンテーション , 【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 (4件)： 水中画像 ,  セグメンテーション ,  モデル ,  設計