...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Computer vision and image understanding >Unsupervised segmentation of natural images via lossy data compression
【24h】

Unsupervised segmentation of natural images via lossy data compression

机译：通过有损数据压缩对自然图像进行无监督分割

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

In this paper, we cast natural-image segmentation as a problem of clustering texture features as multivariate mixed data. We model the distribution of the texture features using a mixture of Gaussian distributions. Unlike most existing clustering methods, we allow the mixture components to be degenerate or nearly-degenerate. We contend that this assumption is particularly important for mid-level image segmentation, where degeneracy is typically introduced by using a common feature representation for different textures in an image. We show that such a mixture distribution can be effectively segmented by a simple agglomerative clustering algorithm derived from a lossy data compression approach. Using either 2D texture filter banks or simple fixed-size windows to obtain texture features, the algorithm effectively segments an image by minimizing the overall coding length of the feature vectors. We conduct comprehensive experiments to measure the performance of the algorithm in terms of visual evaluation and a variety of quantitative indices for image segmentation. The algorithm compares favorably against other well-known image-segmentation methods on the Berkeley image database.
机译：在本文中，我们将自然图像分割作为将纹理特征聚类为多元混合数据的问题。我们使用高斯分布的混合对纹理特征的分布进行建模。与大多数现有的聚类方法不同，我们允许混合物成分退化或几乎退化。我们认为，这种假设对于中级图像分割特别重要，在这种情况下，通常通过对图像中的不同纹理使用通用特征表示来引入简并性。我们表明，这种混合分布可以通过有损数据压缩方法衍生的简单聚集聚类算法有效地进行细分。通过使用2D纹理滤镜库或简单的固定大小的窗口来获取纹理特征，该算法通过最小化特征向量的总编码长度来有效地分割图像。我们进行了全面的实验，以从视觉评估和图像分割的各种定量指标的角度衡量算法的性能。该算法与伯克利图像数据库上的其他众所周知的图像分割方法相比具有优势。

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