×
张凯文;布鲁诺·菲格利乌齐

基于快速行进的超像素。 （英语） Zbl 1469.68154号

数学。形态。，理论应用。 4, 127-142 (2020).
摘要：在本文中，我们提出了一种基于快速行进的图像超像素分割算法。该算法背后的思想是在非均匀介质中传播的波与图像上以取决于局部颜色和纹理的速率生长的区域之间进行类比。FMS算法在伯克利分段数据集500上进行了评估。它在边界附着方面产生的结果略好于使用类似方法获得的结果，这些方法包括简单线性迭代聚类、基于Eikonal的区域增长以实现有效聚类和迭代生成森林框架以实现超像素分割算法。该算法的一个有趣的特点是可以考虑纹理信息来计算超像素划分。我们说明了在一组特定的图像上添加纹理信息的兴趣，这些图像是通过重新组合从代表条纹的图像中提取的纹理补丁获得的，最初由R.吉拉德等[“纹理-软件超像素分割”，预打印，arXiv:1901.11111]. 在这个数据集上，我们的方法比基于颜色的超像素算法工作得好得多。

MSC公司：

68单位10 图像处理的计算方法

关键词：

超像素分割;航程方程;快速行进算法

软件：

国际刑警组织
PDF格式BibTeX公司 XML格式引用
\textit{K.Chang}和\textit{B.Figliuzzi}，数学。形态。，理论应用。4127-142（2020年；Zbl 1469.68154）
全文： 内政部

参考文献：

[1] 拉德哈克里什纳·阿坎塔、阿普·沙吉、凯文·史密斯、奥雷琳·卢奇、帕斯卡尔·福亚和萨宾·苏斯特朗克。切片超像素与最先进的超像素方法进行比较。IEEE模式分析和机器智能事务，34（11）：2274-22822012。
[2] Radhakrishna Achanta和Sabine Susstrunk。使用简单非迭代聚类的超像素和多边形。2017年IEEE计算机视觉和模式识别会议（CVPR），第4895-4904页，夏威夷州火奴鲁鲁，2017年7月。电气与电子工程师协会。
[3] Pablo Arbelaez、Michael Maire、Charless Fowlkes和Jitendra Malik。轮廓检测和分层图像分割。IEEE传输。模式分析。机器。智力。，33（5）：898-9162011年5月。
[4] Jihane Belhadj、Thomas Romary、Alexandrine Gesret、Mark Noble和Bruno Figliuzzi。贝叶斯地震层析成像的新参数化。反问题，34（6）：0650072018·Zbl 1407.86021号
[5] 谢尔盖·比彻和费尔南德·梅耶。分割的形态学方法：分水岭变换。光学工程-纽约-马塞尔·德克尔公司-，34:433-4331992年。
[6] 文森特·博托卢西（Vincent Bortolussi）、布鲁诺·菲格利乌齐（Bruno Figliuzzi）、弗朗索瓦·威洛特（François Willot）、马蒂厄·费塞尔（Matthieu Faessel）和米歇尔·杰兰德。冷喷涂涂层的形态建模。图像分析与体视学，37（2）：145-1582018。
[7] 文森特·博托卢西（Vincent Bortolussi）、布鲁诺·菲格利乌齐（Bruno Figliuzzi）、弗朗索瓦·威洛特（François Willot）、马蒂厄·费塞尔（Matthieu Faessel）和米歇尔·杰兰德。碳纤维增强聚合物上金属-聚合物冷喷涂复合涂层的导电性。《热喷涂技术杂志》，第1-15页，2020年。
[8] 皮埃尔·布森斯（Pierre Buyssens）、伊莎贝尔·加丁（Isabelle Gardin）和苏阮（Su Ruan）。基于Eikonal的区域生长用于超像素生成：应用于CT图像中的半监督实时器官分割。IRBM，35（1）：20-262014年12月。
[9] Pierre Buyssens、Isabelle Gardin、Su Ruan和Abderrahim Elmoataz。基于Eikonal的区域增长以实现高效集群。图像与视觉计算，32（12）：1045-10542014年12月。
[10] 皮埃尔·布森斯（Pierre Buyssens）、马蒂厄·图坦（Matthieu Toutain）、阿卜杜拉希姆·埃尔莫阿塔兹（Abderrahim Elmoataz）和奥利维尔·莱佐雷（Olivier Lézoray）。基于Eikonal的顶点增长和迭代播种用于高效的基于图形的分割。IEEE图像处理国际会议（ICIP 2014），第5页，法国巴黎，2014年10月。
[11] 皮埃尔·塞托尔·珍妮特（Pierre Cettour-Janet）、克莱门特·卡佐拉（Clément Cazorla）、瓦伊亚·马查拉斯（Vaía Machairas）、昆汀·德拉诺伊（Quentin Delannoy）、纳塔利·贝德纳雷克（Nathalie Bednarek）、弗朗索瓦·卢梭（François Rousseau）、。水体素。图像处理在线IPOL，2019年9月317-328日。
[12] 张凯文（Kaiwen Chang）和布鲁诺·菲格利乌兹（Bruno Figliuzzi）。基于多分辨率近似和水田变换的分层分割。Angulo J.、Velasco-Forero S.、Meyer F.（编辑）《数学形态学及其在信号和图像处理中的应用》。ISMM 2017。计算机科学课堂讲稿，第10225卷。施普林格，查姆，2017年·Zbl 1479.94026号
[13] 张凯文（Kaiwen Chang）和布鲁诺·菲格利乌兹（Bruno Figliuzzi）。基于快速行进的超像素生成。在数学形态学及其在信号和图像处理中的应用国际研讨会上，第350-361页。斯普林格，2019年·Zbl 1445.68283号
[14] Dorin Comaniciu和Peter Meer。均值偏移：一种稳健的特征空间分析方法。IEEE模式分析和机器智能汇刊，24（5）：603-6192002。
[15] Eva Dejnozková和Petr Dokládal。求解eikonal方程的一种并行算法。2003年IEEE声学、语音和信号处理国际会议，2003年。诉讼程序。（ICASSP’03）。，第3卷，第III-325页。IEEE，2003年·Zbl 1398.94027号
[16] 佩德罗·F·费尔岑斯瓦尔布和丹尼尔·P·赫滕洛彻。高效的基于图形的图像分割。国际计算机视觉杂志，59（2）：167-1812004·Zbl 1477.68505号
[17] 布鲁诺·菲格利乌兹。基于Eikonal的随机细分模型。图像分析与体视学，38（1）：15-232019年·Zbl 1432.52008年
[18] Bruno Figliuzzi、Dominique Jeulin、Matthieu Faessel、François Willot、Masataka Koishi和Naoya Kowatari。通过三维模拟模拟炭黑填充橡胶材料的微观结构和粘弹性行为。Technische Mechanik，32（1-2）：22-462016年。
[19] Brian Fulkerson、Andrea Vedaldi和Stefano Soatto。使用超像素邻域进行类分割和对象定位。计算机视觉，2009 IEEE第12届国际会议，第670-677页。IEEE，2009年。
[20] 雷米·吉拉德（Remi Giraud）、文通达（Vinh-Thong Ta）、尼古拉斯·帕帕达基斯（Nicolas Papadakis）和扬尼克·贝尔托米厄（Yannick Berthoumieu）。纹理软件超像素分割。arXiv:1901.11111[cs]，2019年1月。
[21] 亚历克斯·莱文斯坦、阿德里安·斯特尔、基里亚科斯·库图拉科斯、大卫·弗利特、斯文·迪金森和卡利姆·西迪奇。Turboixels：使用几何流的快速超像素。IEEE模式分析和机器智能事务，31（12）：2290-22972009。
[22] 李正琴和陈建生。使用线性光谱聚类进行超像素分割。2015年IEEE计算机视觉和模式识别会议（CVPR），第1356-1363页，2015年6月。
[23] 瓦伊亚·马查拉斯、马蒂厄·法塞尔、大卫·卡尔德纳斯·佩尼亚、塞奥多尔·查巴德斯、托马斯·沃尔特和艾蒂安娜·德坎西埃。水像素。IEEE图像处理汇刊，24（11）：3707-37162015·Zbl 1408.94461号
[24] Jitendra Malik、Serge Belongie、Thomas Leung和Jianbo Shi。用于图像分割的轮廓和纹理分析。国际计算机视觉杂志，43（1）：7-272001·Zbl 0972.68604号
[25] Peer Neubert和Peter Protzel。超级像素基准和比较。2010年Bildverarbeitung论坛，第205-2182012页。
[26] Alexander Schick、Mika Fischer和Rainer Stiefelhagen。测量和评估超像素的致密性。《第21届模式识别国际会议论文集》（ICPR2012），第930-934页。IEEE，2012年。
[27] 詹姆斯·塞提安。一种快速推进的水平集方法，用于单调推进的锋面。《美国国家科学院院刊》，93（4）：1591-15951996·Zbl 0852.65055号
[28] 詹姆斯·塞提安。快速行进法。SIAM综述，41（2）：199-2351999·Zbl 0926.65106号
[29] 史建波（Jianbo Shi）和马利克（Jitendra Malik）。标准化切割和图像分割。IEEE模式分析和机器智能汇刊，22（8）：888-9052000。
[30] 大卫·斯图兹（David Stutz）、亚历山大·赫尔曼斯（Alexander Hermans）和巴斯蒂安·雷贝（Bastian Leibe）。《超像素：对最先进技术的评估》，《计算机视觉和图像理解》，2017年4月。
[31] 约翰·瓦尔加斯·穆尼奥斯（John E Vargas Muñoz）、阿南达·S·乔杜里（Ananda S Chowdhury）、爱德华多·亚历山大（Eduardo B Alexandre）、费利佩·加尔文奥（Felipe L Galváo）、保罗·维奇亚托·米兰达（Paulo A Ve。用于超像素分割的迭代生成森林框架。IEEE图像处理汇刊，28（7）：3477-34892019·Zbl 1483.68477号
[32] 吕克·文森特和皮埃尔·索耶。数字空间中的分水岭：基于沉浸模拟的高效算法。IEEE模式分析与机器智能汇刊，（6）：583-5981991年。
[33] 肖晓林、龚月娇、周一聪。聚合局部轮廓和纹理特征的自适应超像素分割。2017年IEEE声学、语音和信号处理国际会议（ICASSP），第1902-1906页。IEEE，2017年。
[34] C劳伦斯·齐特尼克和辛炳康。使用图像过分割进行基于图像的立体渲染。国际计算机视觉杂志，75（1）：49-652007。
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。