重み付き異方性等方性全変動による効率的な平滑化と閾値化画像セグメンテーションフレームワーク【JST・京大機械翻訳】

Bui Kevin; Lou Yifei; Park Fredrick; Xin Jack

プレプリント

J-GLOBAL ID：202202208954068077 整理番号：22P0292727

重み付き異方性等方性全変動による効率的な平滑化と閾値化画像セグメンテーションフレームワーク【JST・京大機械翻訳】

An Efficient Smoothing and Thresholding Image Segmentation Framework with Weighted Anisotropic-Isotropic Total Variation

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (4件)： , , ,
資料名：
発行年： 2022年02月21日プレプリントサーバーでの情報更新日： 2023年11月15日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

本論文では,異方性および等方性全変動(AITV)の重みづけ差を組み込んだ,効率的で多段階画像セグメンテーションフレームワークを設計した。セグメンテーションフレームワークは一般に2つの段階から成る:平滑化と閾値化,従ってSaTと呼ばれる。第一段階では,平滑化画像をAITV正則化Mumford-Shah(MS)モデルにより得たが,これは,l_1-αl_2正則化器の近位演算子の閉形式解による乗算器(ADMM)の交互方向法によって効率的に解くことができる。ADMMアルゴリズムの収束を解析した。第2段階では,最終セグメンテーション結果を得るためにK平均クラスタリングにより平滑化画像を閾値化した。数値実験は,提案したセグメンテーションフレームワークがグレースケールとカラー画像の両方に対して汎用性があり,数秒以内に高品質セグメンテーション結果を生成し,雑音,ぼけ,または両方で崩壊する入力画像に対してロバストであることを示した。AITV法を元の凸TVおよび非凸TV ̄p(0<p<1)対応物と比較し,提案した方法の定性的および定量的利点を示した。【JST・京大機械翻訳】

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

図形・画像処理一般

, , , , , ,

前のページに戻る