Unsupervised Dynamic Textures Segmentation

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F67985556%3A_____%2F13%3A00395211" target="_blank" >RIV/67985556:_____/13:00395211 - isvavai.cz</a>

Nalezeny alternativní kódy

RIV/61384399:31160/13:00043530

Výsledek na webu

<a href="http://dx.doi.org/10.1007/978-3-642-40261-6_52" target="_blank" >http://dx.doi.org/10.1007/978-3-642-40261-6_52</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1007/978-3-642-40261-6_52" target="_blank" >10.1007/978-3-642-40261-6_52</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Unsupervised Dynamic Textures Segmentation

Popis výsledku v původním jazyce

This paper presents an unsupervised dynamic colour texture segmentation method with unknown and variable number of texture classes. Single regions with dynamic textures can furthermore dynamically change their location as well as their shape. Individualdynamic multispectral texture mosaic frames are locally represented by Markovian features derived from four directional multispectral Markovian models recursively evaluated for each pixel site. Estimated frame-based Markovian parametric spaces are segmented using an unsupervised segmenter derived from the Gaussian mixture model data representation which exploits contextual information from previous video frames segmentation history. The segmentation algorithm for every frame starts with an over segmented initial estimation which is adaptively modified until the optimal number of homogeneous texture segments is reached. The presented method is objectively numerically evaluated on the dynamic textural test set from the Prague Segmentation

Název v anglickém jazyce

Unsupervised Dynamic Textures Segmentation

Popis výsledku anglicky

This paper presents an unsupervised dynamic colour texture segmentation method with unknown and variable number of texture classes. Single regions with dynamic textures can furthermore dynamically change their location as well as their shape. Individualdynamic multispectral texture mosaic frames are locally represented by Markovian features derived from four directional multispectral Markovian models recursively evaluated for each pixel site. Estimated frame-based Markovian parametric spaces are segmented using an unsupervised segmenter derived from the Gaussian mixture model data representation which exploits contextual information from previous video frames segmentation history. The segmentation algorithm for every frame starts with an over segmented initial estimation which is adaptively modified until the optimal number of homogeneous texture segments is reached. The presented method is objectively numerically evaluated on the dynamic textural test set from the Prague Segmentation

Druh

D - Stať ve sborníku

CEP obor

BD - Teorie informace

OECD FORD obor

—

Projekt

—

Návaznosti

I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Rok uplatnění

2013

Kód důvěrnosti údajů

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

Název statě ve sborníku

Computer Analysis of Images and Patterns

ISBN

978-3-642-40260-9

ISSN

0302-9743

e-ISSN

—

Počet stran výsledku

8

Strana od-do

433-440

Název nakladatele

Springer

Místo vydání

Heidelberg

Místo konání akce

York

Datum konání akce

27. 8. 2013

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—