×
菲昂·穆塔格；佩德罗·孔特雷拉斯；Jean-Luc斯塔克

基于尺度的高斯覆盖：在图像分割中结合帧内和帧间混合模型。 （英语） Zbl 1179.94015号

熵 11，第3期，513-528（2009）.
小结：“覆盖”是指高斯混合模型适合观测数据。贝叶斯因子的近似值可以用来判断模型是否适合给定高斯混合模型中的数据。在高斯混合模型族之间，我们提出Rényi二次熵作为一个优秀且易于处理的模型比较框架。我们基于（1）应用于边缘分布函数的直接高斯混合模型，以及（2）使用MRI图像体分割对此进行了例证高斯模型通过k均值拟合应用于小波变换提供的4D多值图像体。对一个模型的视觉偏好并不直接。Rényi二次熵使我们能够清楚地表明，这些模型中的一个优于另一个。

引用于1文件

MSC公司：

94A08型 信息与通信理论中的图像处理（压缩、重建等）
94甲17 信息的度量，熵
94A11号机组 正交函数和其他特殊函数的应用
42立方厘米 涉及小波和其他特殊系统的非三角调和分析

关键词：

图像分割；群集；型号选择；最小描述长度；贝叶斯因子；Rényi熵；香农熵
PDF格式BibTeX公司 XML格式引用
\textit{F.Murtagh}等人，熵11，No.3，513--528（2009；Zbl 1179.94015）
全文： 内政部

参考文献：

[1] McCullagh，什么是统计模型？，安。统计师。第30页，第1225页–（2002年）·Zbl 1039.62003号 ·doi:10.1214/aos/1035844977
[2] Djorgovski，虚拟天文台中参数空间的探索，天文数据分析4477 pp 43–（2001）·doi:10.1117/12.447189
[3] Silk，天文学家对SCMA III的看法，《现代天文学中的统计挑战》第387页–（2003）
[4] 内政部：10.1109/PROC.1968.6414·doi:10.1109/PROC.1968.6414
[5] DOI:10.1016/j.imavis.2005.02.002·doi:10.1016/j.imavis.2005.02.002
[6] Rissanen，《统计建模中的信息和复杂性》（2007年）
[7] 内政部：10.1198/016214501753168398·Zbl 1017.62004号 ·doi:10.1198/016214501753168398
[8] 内政部：10.1093/comjnl/418.578·Zbl 0920.68038号 ·doi:10.1093/comjnl/41.8.578
[9] Blum，《关于使用高斯混合模型近似相关非高斯噪声PDF》，重尾分布在经济、工程和统计中的应用会议（1999年）
[10] 内政部：10.1109/89.943344·数字对象标识代码：10.1109/89.943344
[11] DOI:10.1016/S0167-8655（03）00038-2·doi:10.1016/S0167-8655（03）00038-2
[12] Murtagh，小波乘积空间边缘检测的Bayes因子，Opt。工程42第1375页–（2003）·doi:10.117/11.564104
[14] Esteban，熵统计摘要，Kybernetika 31 pp 337–（1995）·Zbl 0857.6202号
[16] 斯塔克，天文图像和数据分析（2002年）
[17] Starck，稀疏图像和信号处理：小波，曲线，形态多样性·Zbl 1196.94008号
[18] 内政部：10.1093/comjnl/43.2.107·数字对象标识代码：10.1093/comjnl/43.2.107
[19] DOI:10.1016/S0031-3203（97）00115-5·doi:10.1016/S0031-3203（97）00115-5
[20] 内政部：10.1109/82.718822·Zbl 0999.94513号 ·doi:10.1109/82.718822
[21] 数字对象标识码：10.1002/j.1538-7305.1948.tb01338.x·Zbl 1154.94303号 ·doi:10.1002/j.1538-7305.1948.tb01338.x
[22] 弗里登，《概率、统计光学和数据测试：问题解决方法》（1991年）
[23] Burg，《多通道最大熵谱分析》，多通道最大熵值谱分析，国际探索地球物理学会年会，重印于《现代光谱分析》第34页–（1978）
[24] 弗里登，图像增强和恢复，应用物理专题，第6卷，第177页–（1975）·doi:10.1007/978-3-662-41612-95
[25] Gull，MEMSYS5量化最大熵用户手册（1991）
[26] 内政部：10.1109/34.982897·doi:10.1109/34.982897
[27] 麦凯，信息理论、推理和学习理论（2003）
[29] Jenssen，《信息理论学习与核心方法》，信息理论与统计学习（2009）·Zbl 1183.68480号
[30] 内政部：10.2307/2412309·doi:10.2307/2412309
[31] 数字对象标识码：10.1093/comjnl/28.182·doi:10.1093/comjnl/28.182
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。