A hierarchical texture model for unsupervised segmentation of remotely sensed images

Result code in IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F67985556%3A_____%2F07%3A00084103" target="_blank" >RIV/67985556:_____/07:00084103 - isvavai.cz</a>

Alternative codes found

RIV/61384399:31160/07:00027050

Result on the web

—

DOI - Digital Object Identifier

—

Result language

angličtina

Original language name

A hierarchical texture model for unsupervised segmentation of remotely sensed images

Original language description

In this work a novel texture model particularly suited for unsupervised image segmentation is proposed. Any texture is represented at region level by means of a finite-state hierarchical model resulting from the superposition of several Markov chains, each associated with a different spatial direction. Corresponding to such a modeling, an optimization scheme, referred to as Texture Fragmentation and Reconstruction (TFR) algorithm, has been introduced. The TFR addresses the model estimation problem in two sequential layers: the former -fragmentation- step allows to find the terminal states of the model, while the latter reconstruction step is aimed at estimating the relationships among the states which provide the optimal hierarchical structure to associate with the model. The latter step is based on a probabilistic measure, i.e, the region gain, which accounts for both the region scale and the inter-region interaction.

Czech name

Hierarchický texturní model pro neřízenou segmentaci snímků dálkového průzkumu

Czech description

V práci je navržen nový texturní model vhodný pro neřízenou segmentaci obrazů. Textura je reprezentovaná pomocí hierarchického modelu s konečnými stavy na lokální úrovni, jako výsledek superpozice několika markovských řetězců. Každý z nich je spojen s jiným prostorovým směrem. Pro tento model byla navrženo optimalizační schéma nazvané Texture Fragmentation and Reconstruction (TFR). TFR odhaduje model postupně ve dvou úrovních fragmentačním kroku a rekonstrukčním kroku. První krok hledá terminální stavymodelu, zatímco druhý odhaduje vztahy mezi jednotlivými stavy a tím i optimální hierarchickou strukturu modelu. Druhý krok je založený na pravděpodobnostní míře tzv. zisku oblasti, která uvažuje jak měřítko, tak i vztahy mezi oblastmi. Navržený segmentční algoritmus byl testován na segmentačním benchmarku a aplikován na snímky lesa z dálkového průzkumu Země.

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)<br>R - Projekt Ramcoveho programu EK

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

-

Issue of the periodical within the volume

4522

Country of publishing house

DE - GERMANY

Number of pages

10

Pages from-to

303-312

UT code for WoS article

—

EID of the result in the Scopus database

—