• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Journal of visual communication & image representation >Natural image segmentation with non-extensive mixture models
【24h】

Natural image segmentation with non-extensive mixture models

机译：使用非扩展混合模型进行自然图像分割

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

Finite mixture models have been widely used for image segmentation in many computer vision and pattern recognition problems. While images of natural scenes are difficult to model, we can employ emerging concepts from statistical physics to achieve better representations. This paper introduces a new class of finite mixture models for solving such problems. The proposed non-extensive mixture models have real-valued power-law exponents that characterize the degree of correlations. The exponents are used to capture rare or frequent occurring patterns in the image. They can describe complex features found with a hierarchy of sizes in natural images: from small objects with a few dozen pixels to large ones that occupy the entire image. We also present a method to determine the parameters based on maximum likelihood estimation. Our numerical experiments indicate more robust and accurate capabilities of non-extensive mixture models for natural image segmentation than conventional mixture models. (C) 2019 Elsevier Inc. All rights reserved.
机译：有限混合模型已被广泛用于许多计算机视觉和模式识别问题中的图像分割。尽管很难模拟自然场景的图像，但我们可以采用统计物理学中新兴的概念来获得更好的表示。本文介绍了用于解决此类问题的一类新的有限混合模型。拟议的非扩展混合模型具有表征相关程度的实值幂律指数。指数用于捕获图像中稀有或频繁出现的图案。它们可以描述在自然图像中按大小层次结构发现的复杂特征：从具有几十个像素的小物体到占据整个图像的大物体。我们还提出了一种基于最大似然估计来确定参数的方法。我们的数值实验表明，与常规混合模型相比，非扩展混合模型在自然图像分割方面具有更强大和更准确的功能。 （C）2019 Elsevier Inc.保留所有权利。

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