Unsupervised Texture Segmentation Using Multiple Segmenters Strategy

Result code in IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F67985556%3A_____%2F07%3A00083068" target="_blank" >RIV/67985556:_____/07:00083068 - isvavai.cz</a>

Alternative codes found

RIV/61384399:31160/07:00027049

Result on the web

—

DOI - Digital Object Identifier

—

Result language

angličtina

Original language name

Unsupervised Texture Segmentation Using Multiple Segmenters Strategy

Original language description

A novel unsupervised multi-spectral multiple-segmenter texture segmentation method with unknown number of classes is presented. The unsupervised segmenter is based on a combination of several unsupervised segmentation results, each in different resolution, using the sum rule. Multi-spectral texture mosaics are locally represented by four causal multi-spectral random field models recursively evaluated for each pixel. The single-resolution segmentation part of the algorithm is based on the underlying Gaussian mixture model and starts with an over segmented initial estimation which is adaptively modified until the optimal number of homogeneous texture segments is reached. The performance of the presented method is extensively tested on the Prague segmentation benchmark using the commonest segmentation criteria and compares favourably with several alternative texture segmentation methods.

Czech name

Neřízená segmentace textur používající strategii vícenásobných segmenterů

Czech description

Příspěvek prezentuje novou neřízenou multispektrální multisegmentační metodu segmentace textur s neznámým počtem tříd. Neřízená segmentace je založena na kombinaci několika segmentačních výsledků, každý v jiném rozlišení, při použití sumačního pravidla.Multispektrální texturní mozaiky jsou lokálně reprezentovány čtyřmi kauzálními multispektrálními modely náhodných polí rekurzivně odhadované pro každý pixel. Segmentační část algoritmu pro jednotlivé rozlišení je založena na gaussovském směsovém modelu azačíná s přesegmentovaným počátečním odhadem, který se adaptivně modifikuje až se dosáhne optimální počet homogenních texturních oblastí. Vlastnosti předložené metody jsou rozsáhle testovány na Pražském segmentačním benchmarku při použití množiny běžných segmentačních kritérií. Metoda převyšuje několik alternativních srovnávaných texturních segmentačních metod.

Type

J_x - Unclassified - Peer-reviewed scientific article (Jimp, Jsc and Jost)

CEP classification

BD - Information theory

OECD FORD branch

—

Project

Result was created during the realization of more than one project. More information in the Projects tab.

Continuities

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)<br>Z - Vyzkumny zamer (s odkazem do CEZ)

Publication year

2007

Confidentiality

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Name of the periodical

Lecture Notes in Computer Science

ISSN

0302-9743

e-ISSN

—

Volume of the periodical

2007

Issue of the periodical within the volume

4472

Country of publishing house

DE - GERMANY

Number of pages

10

Pages from-to

210-219

UT code for WoS article

—

EID of the result in the Scopus database

—