Segmentation of digital images from a road traffic videorecorder

• Autorzy: Czapla Z.

Warianty tytułu

PL

Segmentacja obrazów cyfrowych z wideorejestracją ruchu drogowego

• Języki publikacji: EN

Abstrakty

EN

The proposed segmentation method uses the two-layer data model of digital images. The two-layer data model consists of a different value layer and a base value layer. An original image pixel values are obtained by appropriate combining pixel values of both layers. A base pixel value together with corresponding difference pixel values constitute a data cluster. The principle of segmentation is division of an image greyscale into disjoint ranges and assigning of individually base values to the proper ranges. The segmentation process utilizes the base values mainly and therefore proposed technique is computationally attractive.

PL

W proponowanej metodzie segmentacji wykorzystuje się dwuwarstwowy model danych obrazów cyfrowych. Model ten składa się z warstwy wartości różnicowych oraz warstwy wartości bazowych. Pierwotna wartość piksela jest otrzymywana przez odpowiednie łączenie wartości pikseli z obu warstw. Wartość bazowa piksela wraz z odpo-wiadającymi mu wartościami różnicowymi tworzą klaster danych. Zasada segmentacji polega na podziale przedziału poziomów szarości na rozłączne zakresy oraz przyporządkowaniu poszczególnych wartości bazowych do odpowiednich zakresów. W procesie segmentacji wykorzystywane są głównie wartości bazowe i dlatego proponowana technika jest oblicze-niowo atrakcyjna.

Słowa kluczowe

EN

road traffic; video recording; segmentation of digital image

PL

ruch drogowy; wideorejestracja; segmentacja obrazu cyfrowego

• Wydawca: Wydawnictwo Politechniki Śląskiej
• Czasopismo: Zeszyty Naukowe. Transport / Politechnika Śląska
• Rocznik: 2012
• Tom: z. 74
• Strony: 27--36
• Opis fizyczny: Bibliogr. 11 poz.

Twórcy

autor

Czapla Z.

• Katedra Inżynierii Ruchu Politechnika Śląska, Katowice, Krasińskiego 13,

Bibliografia

• 1. Bellon R. P., Silva L.: New improvement to Range Image Segmentation by Edge Detection. IEEE Signal Processing Letters, Vol. 9, No. 2, 2002, pp. 43-45.
• 2. Boykov Y., Funka-Lea G.: Graph Cuts and Efficient N-D Image Segmentation. International Journal of Computer Vision, 70(2), 2006, pp. 109-131.
• 3. Czapla Z.: The Two-Layer Data Model of Vehicles Digital Images. [In:] Piecha J., Węgrzyn T. (eds): Transaction on Transport Systems Telematics and Safety. Silesian University of Technology Academic Press, Gliwice 2009, pp. 82-89.
• 4. Fan J., You D. K. Y., Elmagarmid A. K.: Automatic Image Segmentation by Integrating Color-Edge Extraction and Seeded Region Growing. IEEE Transaction on Image Processing, Vol. 10, No. 10, 2010, pp. 1454-1466.
• 5. Grady L.: Random Walks for Image Segmentation. IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol. 28, No. 11, 2006, pp. 1-17.
• 6. Malik J., Belongie S., Lesung T., Shi J.: Contour and Texture Analysis for Image Segmentation. Journal of Computer Vision, 43(1), 2001, pp. 7-27.
• 7. Sayood K.: Introduction to Image Compression. Morgan Kaufman Publishers, San Francisco 2000.
• 8. Shi J., Malik J.: Normalized Cuts and Image Segmentation. IEEE Transaction on Pattern Analysis and Machine Intelligence, Vol. 22, No. 8, 2000, pp. 888-905.
• 9. Tao W., Jin H., Zhang Y.: Color Image Segmentation Based on Mean Shift and Normalized Cuts. IEEE Transaction on Systems, Man and Cybernetics-Part B: Cybernetics, Vol. 37, No. 5, 2007, pp. 1382-1389.
• 10. Wei-Ying M., Manjunath B. S.: EdgeFlow: A Technique for Boundary Detection and Image Segmentation. IEEE Transaction on Image Processing, Vol. 9, No. 8, 2000, pp. 1375-1388.
• 11. Zouagui T., Benoit-Cattin H., Odet C.: Image segmentation function model. Pattern Recognition, 37, 2004, pp. 1785–1795.