• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>International Conference on Future Information Engineering >Hidden Markov Random Fields and Swarm Particles: a Winning Combination in Image Segmentation
【24h】

Hidden Markov Random Fields and Swarm Particles: a Winning Combination in Image Segmentation

机译：隐藏的马尔可夫随机字段和群体粒子：图像分割中的获胜组合

获取原文
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Segmenting an image, by splitting this latter into distinctive regions, is a crucial task in many nowadays ubiquitous applications. Several methods have been developed to perform segmentation. We present a method that combines Hidden Markov Random Fields (HMRF) and Particle Swarm Optimisation (PSO) to perform segmentation. HMRF is used for modelling the segmentation problem. This elegant model leads to an optimization problem. The latter is solved using PSO method whose parameters setting is a task in itself. We conduct a study for the choice of parameters that give a good segmentation. The quality of segmentation is evaluated on grounds truths images using Misclassification Error criterion. We use the NDT (Non Destructive Testing) image dataset to evaluate several segmentation methods. These results show a supremacy of the HMRF-PSO method over threshold based techniques.
机译：分割图像，通过将后者分成独特区域，是在现在的许多普遍存在的应用中的一个至关重要的任务。已经开发了几种方法来执行分割。我们介绍了一种组合隐马尔可夫随机字段（HMRF）和粒子群优化（PSO）来执行分段的方法。 HMRF用于建模分割问题。这种优雅的模型导致优化问题。使用PSO方法解决了后者，其参数设置本身是任务。我们开展学习，选择提供良好分割的参数。使用错误分类误差标准，在地面真实性图像上评估分割质量。我们使用NDT（非破坏性测试）图像数据集来评估若干分段方法。这些结果表明了HMRF-PSO方法对基于阈值技术的至上。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号