×
阿明·费里;圣地亚哥贝拉斯科·福雷罗;费尔南德·梅耶

基于先验的层次分割突出显示感兴趣的结构。 （英语） Zbl 1469.68156号

数学。形态。，理论应用。 3, 29-44 (2019).
摘要：图像分割是根据一定的标准将图像分割成一组有意义的区域的过程。分层分割是这方面的一个主要趋势，因为它有助于在不同尺度上出现重要区域。另一方面，许多方法允许我们获得图像中感兴趣结构位置的先验信息。在本文中，我们提出了一种通用的分层分割方法，该方法考虑到任何先验空间信息，并输出一个分层分割，该分割强调感兴趣的轮廓或区域，同时保留图像中的重要结构。给出了几个应用实例，说明了该方法的通用性和效率。

MSC公司：

68单位10 图像处理的计算方法

关键词：

数学形态学;层次结构;分段;基于先验的分割;随机分水岭

软件：

ImageNet公司;SIFT公司
PDF格式BibTeX公司 XML格式引用
\textit{A.Fehri}等人，《数学》。形态。，理论应用。3、29-44（2019年；Zbl 1469.68156）
全文： 内政部 arXiv公司

参考文献：

[1] Achanta，R.、Shaji，A.、Smith，K.、Lucchi，A.，Fua，P.、Süsstrunk，S.：切片超像素与最先进的超像素方法的比较。IEEE模式分析和机器智能事务34（11），2274-2282（2012）
[2] Adáo，M.M.，Guimaráes，S.J.F.，Patrocínio，Z.K.：分级图像分割的尺度软件重新排列评估。在：伊比利亚美洲模式识别大会。第141-149页。施普林格（2018）
[3] Angulo，J.，Jeulin，D.：随机分水岭分割。ISMM 1，265-276（2007）
[4] Arbelaez，P.、Maire，M.、Fowlkes，C.、Malik，J.：轮廓检测和分层图像分割。IEEE PAMI 33（5），898-916（2011）
[5] Chan，T.，Zhu，W.：基于水平集的形状优先分割。In:CVPR。第二卷，第1164-1170页（2005）
[6] Chang，C.I.：《高光谱成像：光谱检测和分类技术》，第1卷。Springer科学与商业媒体（2003）
[7] Chen，F.，Yu，H.，Hu，R.，Zeng，X.：对象分割的深度学习形状先验知识。输入：CVPR。第1870-1877页（2013年）
[8] Chen，Y.，Dai，D.，Pont-Tuset，J.，Van Gool，L.：分层图像分割的尺度感知对齐。收录于：《IEEE计算机视觉与模式识别会议论文集》。第364-372页（2016）
[9] Cousty，J.，Najman，L.：分层最小跨越森林和流域切割显著性的增量算法。参加：数学形态学及其在信号和图像处理中的应用国际研讨会。第272-283页。施普林格（2011）·Zbl 1279.94011号
[10] Cousty，J.、Najman，L.、Kenmochi，Y.、Guimaráes，S.：图的层次分割：准平面区域、最小生成树和显著图。《数学成像与视觉杂志》60（4），479-502（2018）·Zbl 1420.94010号
[11] Deng，J.，Dong，W.，Socher，R.，Li，L.J.，Li.，K.，Fei-Fei，L.：Imagenet：大型分层图像数据库。2009年IEEE计算机视觉和模式识别会议。第248-255页。IEEE（2009）
[12] Fankhauser，P.、Bloesch，M.、Rodriguez，D.、Kaestner，R.、Hutter，M.和Siegwart，R.：移动机器人导航的Kinect v2：评估和建模。摘自：高级机器人（ICAR），2015年国际会议，第388-394页。IEEE（2015）
[13] Fehri，A.，Velasco-Forero，S.，Meyer，F.：随机流域等级的自动选择。2016年第24届欧洲信号处理会议（EUSIPCO）。第1877-1881页。IEEE（2016）
[14] Fehri，A.，Velasco-Forero，S.，Meyer，F.：基于先验的层次分割，强调感兴趣的结构。参加：数学形态学及其在信号和图像处理中的应用国际研讨会。第146-158页。施普林格（2017）·Zbl 1479.94025号
[15] Fischler，M.A.，Bolles，R.C.：随机样本共识：图像分析和自动制图应用的模型拟合范例。摘自：《计算机视觉阅读》，第726-740页。Elsevier（1987）
[16] Gueguen，L.，Velasco-Forero，S.，Soille，P.：基于差异的图像分割的局部互信息。JMIV第1-20页（2013）·Zbl 1362.94006号
[17] Guigues，L.，Cockerez，J.P.，Le Men，H.：量表集图像分析。IJCV 68（3），289-317（2006）·Zbl 1477.68508号
[18] Jarník，V.：最小问题。（z dopisu panu o.borůvkovi）
[19] Kiran，B.R.，Serra，J.：分割层次的基础真理能量。在：ISMM，第123-134页（2013）·Zbl 1382.68301号
[20] Kiran，B.R.，Serra，J.：通过分级削减和爬升能量进行全局优化。模式识别47（1），12-24（2014）·Zbl 1326.68294号
[21] Liu，Z.、Zou，W.、Li，L.、Shen，L.和Le Meur，O.：基于层次分割的协同有效性检测。IEEE信号处理快报21（1），88-92（2014）
[22] Long，J.，Shelhamer，E.，Darrell，T.：语义分割的完全卷积网络。收录：IEEE计算机视觉和模式识别会议记录。第3431-3440页（2015年）
[23] Lowe，D.G.：不同尺度变化关键点的独特图像特征。IJCV 60（2），91-110（2004）
[24] Machairas，V.、Faessel，M.、Cárdenas-Peña，D.、Chabardes，T.、Walter，T.和Decencière，E.：水像素。IEEE TIP 24（11），3707-3716（2015）·Zbl 1408.94461号
[25] Malmberg，F.，Hendriks，C.L.L.，Strand，R.：目标随机流域削减的精确评估。《离散应用数学》216449-460（2017）·Zbl 1370.68311号
[26] Meyer，F.：随机流域层次。收件人：ICAPR。第1-8页（2015年）
[27] Meyer，F.，Beucher，S.：形态学分割。视觉传达与图像表征杂志1（1），21-46（1990）
[28] Meyer，F.：形态分割的最小跨越森林。在：数学形态学及其在图像处理中的应用，第77-84页。斯普林格（1994）
[29] Najman，L.，Cousty，J.，Perret，B.：玩kruskal：边加权图中形态树的算法。《数学形态学及其在信号和图像处理中的应用》，第135-146页。施普林格（2013）·Zbl 1382.68179号
[30] Oquab，M.，Bottou，L.，Laptev，I.，Sivic，J.：对象本地化是免费的吗-卷积神经网络的弱监督学习。收录：IEEE计算机视觉和模式识别会议论文集。第685-694页（2015年）
[31] Ouzounis，G.K.，Pesaresi，M.，Soille，P.：微分面积剖面：分解特性和有效计算。IEEE帕米34（8），1533-1548（2012）
[32] Perret，B.，Cousty，J.，Guimaraes，S.J.F.，Maia，D.S.：分级流域评估。IEEE图像处理汇刊27（4），1676-1688（2018）·兹比尔1409.94487
[33] Pont-Tuset，J.、Arbelaez，P.、Barron，J.T.、Marques，F.、Malik，J.：用于图像分割和对象建议生成的多尺度组合分组。IEEE模式分析和机器智能事务39（1），128-140（2016）
[34] Prim，R.C.：最短连接网络和一些推广。贝尔系统技术期刊36（6），1389-1401（1957）
[35] Redmon，J.，Divvala，S.，Girshick，R.，Farhadi，A.：你只看一次：统一的实时对象检测。收录：IEEE计算机视觉和模式识别会议记录。第779-788页（2016）
[36] Ren，Z.，Shakhnarovich，G.：基于级联区域聚集的图像分割。In:CVPR。第2011-2018页（2013）
[37] Ronse，C.：为图像分割和过滤排序部分分区：合并、创建和膨胀块。JMIV第1-32页（2013年）
[38] Rosten，E.，Drummond，T.：用于高速角点检测的机器学习。参加：欧洲计算机视觉会议。第430-443页。斯普林格（2006）
[39] Serra，J.：结缔组织形态学教程。信号处理专题，IEEE Journal of 6（7），739-752（2012年11月）
[40] Simonyan，K.，Zisserman，A.：用于大规模图像识别的非常深卷积网络。arXiv 1409.1556（2014）
[41] Su，B.，Lu，S.，Tan，C.L.：模糊图像区域检测和分类。参加：ACM国际多媒体会议。第1397-1400页。2011年11月
[42] Vachier，C.，Meyer，F.：灭绝值：一种新的持久性测量方法。摘自：IEEE非线性信号和图像处理研讨会。第1卷，第254-257页（1995年）
[43] Vargas Muñoz，J.E.，Chowdhury，A.S.，Alexandre，E.B.，Galvño，F.L.，Miranda，P.A.V.，Falcáo，A.X.：超像素分割的迭代跨越森林框架。IEEE图像处理汇刊28（7），3477-3489（2019）·Zbl 1483.68477号
[44] Veksler，O.：图形剪切图像分割之前的星形。收录于：ECCV，第454-467页。施普林格（2008）
[45] Viola，P.，Jones，M.：使用简单特征的增强级联快速目标检测。In:CVPR。第511-518页（2001年）
[46] Wei，X.，Yang，Q.，Gong，Y.，Ahuja，N.，Yang，M.H.：超像素层次。IEEE图像处理汇刊27（10），4838-4849（2018）·Zbl 1409.94654号
[47] Xu，Y.，Géraud，T.，Najman，L.：基于mumford-shah显著水平线选择的层次图像简化和分割。模式识别信件（2016）
[48] Zheng，L.，Yang，Y.，Tian，Q.：Sift meet cnn：实例检索十年调查。IEEE模式分析和机器智能事务40（5），1224-1244（2017）
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。