...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Signal processing >Fuzzy pairwise Markov chain to segment correlated noisy data
【24h】

Fuzzy pairwise Markov chain to segment correlated noisy data

机译：模糊成对马尔可夫链分割相关噪声数据

获取原文
获取原文并翻译 | 示例
   

获取外文期刊封面封底 >>

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

摘要

This paper deals with an image segmentation process using a new fuzzy Markov model, which characterizes the imprecision of the hidden data and the correlation of the observed data. We propose to extend a recent pairwise Markov chain model (PMC [W. Pieczynski, Pairwise Markov chains, IEEE Trans. Pattern Anal. Mach. Intell. 25 (5) (2003) 634-639]) to a fuzzy context, allowing us to treat a spatial correlated noise between neighboring observations. The new algorithm, called fuzzy pairwise Markov chain (FPMC), requires a more specific methodology in order to compute the posterior density related to the hidden field. We validate our approach through experiments performed on synthetic and real images.
机译：本文使用新的模糊马尔可夫模型处理图像分割过程，该模型表征隐藏数据的不精确性和观测数据的相关性。我们建议将最近的成对马尔可夫链模型（PMC [W. Pieczynski，成对马尔可夫链，IEEE Trans。Pattern Anal。Mach。Intell。25（5）（2003）634-639]）扩展到模糊上下文，从而使我们处理相邻观测值之间的空间相关噪声。新算法称为模糊成对马尔可夫链（FPMC），需要一种更具体的方法来计算与隐藏场相关的后验密度。我们通过对合成图像和真实图像进行的实验来验证我们的方法。

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