Illumination Invariant Unsupervised Segmenter

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F67985556%3A_____%2F09%3A00331807" target="_blank" >RIV/67985556:_____/09:00331807 - isvavai.cz</a>

Výsledek na webu

—

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

Illumination Invariant Unsupervised Segmenter

Popis výsledku v původním jazyce

A novel illumination invariant unsupervised multispectral texture segmentation method with unknown number of classes is presented. Multispectral texture mosaics are locally represented by illumination invariants derived from four directional causal multispectral Markovian models recursively evaluated for each pixel. Resulted parametric space is segmented using a Gaussian mixture model based unsupervised segmenter. The segmentation algorithm 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 large illumination invariant benchmark from the Prague Segmentation Benchmark using 21 segmentation criteria and compares favourably with an alternative segmentation method.

Název v anglickém jazyce

Illumination Invariant Unsupervised Segmenter

Popis výsledku anglicky

A novel illumination invariant unsupervised multispectral texture segmentation method with unknown number of classes is presented. Multispectral texture mosaics are locally represented by illumination invariants derived from four directional causal multispectral Markovian models recursively evaluated for each pixel. Resulted parametric space is segmented using a Gaussian mixture model based unsupervised segmenter. The segmentation algorithm 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 large illumination invariant benchmark from the Prague Segmentation Benchmark using 21 segmentation criteria and compares favourably with an alternative segmentation method.

Druh

D - Stať ve sborníku

CEP obor

BD - Teorie informace

OECD FORD obor

—

Projekt

Výsledek vznikl pri realizaci vícero projektů. Více informací v záložce Projekty.

Návaznosti

Z - Vyzkumny zamer (s odkazem do CEZ)

Rok uplatnění

2009

Kód důvěrnosti údajů

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

Název statě ve sborníku

Proceedings of the 16th International Conference on Image Processing, ICIP 2009

ISBN

978-1-4244-5655-0

ISSN

—

e-ISSN

—

Počet stran výsledku

4

Strana od-do

—

Název nakladatele

IEEE

Místo vydání

Los Alamitos

Místo konání akce

Cairo

Datum konání akce

7. 11. 2009

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—