http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
- 中文 을 입력하시려면 zhongwen을 입력하시고 space를누르시면됩니다.
- 北京 을 입력하시려면 beijing을 입력하시고 space를 누르시면 됩니다.
RISS 인기검색어
- 검색키워드
- 주제어 : Multi-scale Bayesian image segmentation (검색결과 2 건)
- 무료
- 기관 내 무료
- 유료
-
SOM의 통계적 특성과 다중 스케일 Bayesian 영상 분할 기법을 이용한 텍스쳐 분할
김태형,엄일규,김유신,Kim Tae-Hyung,Eom Il-Kyu,Kim Yoo-Shin 대한전자공학회 2005 電子工學會論文誌-SP (Signal processing) Vol.42 No.6
이본 논문에서는 Bayesian 영상 분할법과 SOM(Self Organization feature Map)을 이용한 텍스쳐(Texture) 분할 방법을 제안한다. SOM의 입력으로 다중 스케일에서의 웨이블릿 계수를 사용하고, 훈련된 SOM으로부터 관측 데이터에 대한 우도(尤度, likelihood)와 사후확률을 구하는 방법을 제시한다. 훈련된 SOM들로부터 구한 사후확률과 MAP(Maximum A Posterior) 분류법을 이용하여 텍스쳐 분할을 얻는다. 그리고 문맥 정보를 이용하여 텍스쳐 분할 결과를 개선하였다. 제안 방법은 HMT(Hidden Markov Tree)을 이용한 텍스쳐 분할보다 더 우수한 결과를 보여준다. 또한 SOM과 HMTseg라고 불리는 다중스케일 Bayesian 영상 분할 기법을 이용한 텍스쳐 분할 결과는 HMT와 HMTseg을 이용한 결과보다 더 우수한 성능을 보여준다. This paper proposes a novel texture segmentation method using Bayesian image segmentation method and SOM(Self Organization feature Map). Multi-scale wavelet coefficients are used as the input of SOM, and likelihood and a posterior probability for observations are obtained from trained SOMs. Texture segmentation is performed by a posterior probability from trained SOMs and MAP(Maximum A Posterior) classification. And the result of texture segmentation is improved by context information. This proposed segmentation method shows better performance than segmentation method by HMT(Hidden Markov Tree) model. The texture segmentation results by SOM and multi-sclae Bayesian image segmentation technique called HMTseg also show better performance than by HMT and HMTseg.
-
신경회로망과 다중스케일 Bayesian 영상 분할 기법을 이용한 결 분할
김태형,엄일규,김유신,Kim Tae-Hyung,Eom Il-Kyu,Kim Yoo-Shin 대한전자공학회 2005 電子工學會論文誌-SP (Signal processing) Vol.42 No.4
This paper proposes novel texture segmentation method using Bayesian estimation method and neural networks. We use multi-scale wavelet coefficients and the context information of neighboring wavelets coefficients as the input of networks. The output of neural networks is modeled as a posterior probability. The context information is obtained by HMT(Hidden Markov Tree) model. This proposed segmentation method shows better performance than ML(Maximum Likelihood) segmentation using HMT model. And post-processed texture segmentation results as using multi-scale Bayesian image segmentation technique called HMTseg in each segmentation by HMT and the proposed method also show that the proposed method is superior to the method using HMT. 본 논문에서는 Bayesian 추정법과 신경회로망을 이용한 새로운 결 분할 방법을 제안한다 신경회로망의 입력으로는 다중스케일을 가지는 웨이블릿 계수와 인접한 이웃 웨이블릿 계수들의 문맥정보를 사용하고, 신경회로망의 출력을 사후 확률로 모델링한다. 문맥정보는 HMT(Hidden Markov Tree) 모델을 이용하여 구한다. 제안 방법은 HMT를 이용한 ML(Maximum Likelihood) 분할 보다 더 우수한 결과를 보여준다. 또한 HMT를 이용한 결 분할 방법과 제안 방법을 이용한 결 분할 각각에 HMTseg라고 불리는 다중 스케일 Bayesian 영상 분할 기술을 이용하여 후처리를 행한 결 분할 또한 제안 방법이 우수함을 보여준다.
연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
