Wyniki wyszukiwania - BazTech

1

Mixture model and Markov random field-based remote sensing image unsupervised clustering method

Hou Y., Yang Y., Rao N., Lun X., Lan J.

Opto-Electronics Review

|

2011

|

Vol. 19, No. 1

83-88

EN

In this paper, a novel method for remote sensing image clustering based on mixture model and Markov random field (MRF) is proposed. A remote sensing image can be considered as Gaussian mixture model. The image clustering result corresponding to the image label field is a MRF. So, the image clustering procedure is transformed to a maximum a posterior (MAP) problem by Bayesian theorem. The intensity difference and the spatial distance between the two pixels in the same clique are introduced into the traditional MRF potential function. The iterative conditional model (ICM) is employed to find the solution of MAP. We use the max entropy criterion to choose the optimal clustering number. In the experiments, the method is compared with the traditional MRF clustering method using ICM and simulated annealing (SA). The results show that this method is better than the traditional MRF model both in noise filtering and miss-classification ratio.

2

Segmentacja tekstury obrazów z wykorzystaniem neuronowych sieci oscylacyjnych i metod statystycznych

Strzelecki M.

Zeszyty Naukowe. Rozprawy Naukowe / Politechnika Łódzka

|

2004

|

Z. 336

3-177

PL

Praca opisuje wyniki badań autora dotyczące segmentacji obrazów zawierających tekstury, ze szczególnym uwzględnieniem obrazów biomedycznych, zawierających przekroje ludzkich wewnętrznych narządów i tkanek. Ilościowa analiza tekstury, obok parametrów morfologicznych, stanowi istotne uzupełnienie informacji o badanej tkance. Zastosowanie komputerowych metod analizy tekstur pozwala m.in. na dokonanie automatycznej segmentacji obrazu, co ma duże znaczenie we wspomaganiu diagnozy medycznej przez zapewnienie jej większej obiektywności i powtarzalności. W pracy dokonano przeglądu metod segmentacji tekstur. W szczególności omówiono statystyczne metody analizy tekstur z wykorzystaniem losowych pól Markowa (MRF). Przedstawiono zaproponowaną przez autora zmodyfikowaną metodę łączącą elementy metody histogramów i kodowania, służącą do estymacji parametrów modelu MRF, zapewniającą dokładne estymaty tych parametrów przy skróceniu czasu obliczeń. Ponadto pokazano przykłady segmentacji i klasyfikacji tekstur z wykorzystaniem parametrów modeli MRF. Wykazano, że dla wybranej klasy tekstur biomedycznych parametry MRF zapewniają lepszą segmcntację w porównaniu do innych cech statystycznych. W pracy przedstawiono również metodę segmentacji tekstur z wykorzystaniem sieci synchronicznych oscylatorów (SSO) oraz uzyskane przez autora pracy wyniki segmentacji wybranych tekstur biomedycznych. Zaproponowano i przetestowano zestaw cech do opisu tekstur uzyskanych na podstawie optymalizowanej filtracji liniowej. Porównano metody segmentacji wykorzystujące SSO i wielowarstwowe sieci pcrccptronowe oraz oszacowano ich dokładność. Do tego celu wykorzystano obrazy optyczne oraz ultrasonograf i czne zawierające obiekty testowe. W pracy przedstawiono również algorytm detekcji granic tekstur oraz algorytmy realizujące operacje morfologiczne z wykorzystaniem SSO. Jedną z zalet sieci oscylatorów jest możliwość jej sprzętowej implementacji np. w postaci układu VLSI. W pracy zaprezentowano koncepcję oraz wstępną weryfikacje procesora analogowego do szybkiej segmentacji obrazów, który realizuje architekturę SSO.

EN

The dissertation summarizes Author's research in the field of image texture segmentation focusing on biomedical images. Currently, in medical diagnosis physicians very often deal wilh image cross-sections of internal human organs and tissues (obtained using e.g. MRI tomography). These images contain homogeneous regions representing image texture. Quantitative texture analysis along with morphological lissue parameters provides additional information about analyzed tissues. Application of computerized texture analysis methods among others allows for automatic image segmentation, which improves medical diagnosis providing its repeatability and objectivity. The dissertation contains a review of texture analysis methods. It focuses on statistical MRF models. The MRF parameter estimation method (mixed of coding and histogramming techniques) proposed by the Author was presented. It provides accurate parameter estimation with relatively short analysis time. Examples of texture classification and segmentation using this method are also described. It was demonstrated that for selected class of textures MRF parameters assure better segmentation results if compared to other statistical features. The dissertation presents also texture segmentation method based on synchronized oscillator network (SON) and segmentation results of sample biomedical images. The properties of SON were discussed and compared to multilayer percepiron (MP). widely used for image segmentation. The texture feature set based on optimized linear filtering was discussed and tested. The accuracy of described segmentation methods using SON and MP were evaluated using optical and ultrasound images with artificial test objects. Also, the SON based algorithms for texture boundary detection and morphological filtering proposed by the Author was presented and discussed. The oscillator network can be implemented as VLSI chip. The concept of analog processor for image segmentation implementing the SON architecture was discussed along with preliminary test results.

3

Entropy and Gibbs distribution in image processing : an historical perspective

Battiato S.

Image Processing & Communications

|

2001

|

Vol. 7, no 3-4

35-50

EN

This paper presents an historical overview about the entropy and its applications for the solution of inferential statistical problems in image processing. This survey covers some of the more important entropy-based research approaches. A brief introduction to the mathematical details and foundations about the basic concepts of Markov Random Fields (MRF} and related Gibbs sampling is also given. The information entropy is a mathematical measure of information or uncertainty derived from a probabilistic model. The paper starting from the seminal works of C. Shannon and of E.T. Javnes and of S. Geman and D. German discusses results obtained using different related techniques in image restoration, analysis and synthesis of textures and saliency maps construction. The paper moreover gives useful suggestions about the trend of development in future research

4

Unsupervised segmentation of forest terrain images using a combined statistical/signal approach

Stąpor K.

Archiwum Informatyki Teoretycznej i Stosowanej

|

2001

|

T. 13, z. 1

23-36

EN

This paper presents a method for unsupervised segmentation of different forest textures in erial terrain images. The method relies on a combined feature vector used in two-step segmentation procedure. Texture measures derived from a bank of Gabor filters, estimated parameters of GMRF and hose based on run lenghts have been used in constructing a feature vector. To estimate "true" number of clusters a modified Hubert index is used.

PL

Artykuł prezentuje metodę nienadzorowanej segmentacji tekstur terenów leśnych na zdjęciach lotniczych. Wektor cech został utworzony z estymowanych parametrów Gaussowskiego Pola Losowego Markowa (GMRF), parametrów obliczonych z użyciem banku filtrów Gabora, oraz obliczonych na podstawie krzywych Hilberta a także poziomych i pionowych krzywych typu zig-zag. Tak skonstruowany wektor cech został poszerzony o 2 współrędne charakteryzujące położenie, co pozwala na grupowanie się sąsiadujących pikseli razem, a tym samym uniknięcie niepotrzebnej fragmentacji. Wymienione cechy zostały wstępnie znormalizowane za pomocą metody Z-score ([12]). W celu zwiększenia efektywności zaproponowano 2 etapową segmentację. W pierwszym etapie za pomocą algorytmu K-means opracowanego na podstawie ([8]) dokonuje się klasteryzacji losowo wybranego, małego podzbioru wszystkich pikseli obrazu, a uzyskanym grupom pikseli nadaje się etykietę. Na drugim etapie występuje klasyfikacja minimalnoodległościowa (k-NN[12]) wszystkich pikseli obrazu używając próbek uczących uzyskanych w pierwszym etapie. Do określenia liczby grup użyty został index Huberta ([2]). Prezentowana metoda została zastosowana do segmentacji terenów Lasku Wolskiego w Krakowie i pozwoliła na uzyskanie zadowalających wyników (średnio ok. 95% poprawnie sklasyfikowanych pikseli).

5

Markov random fields and constrained optimization for textured image segmentation

Mościńska K.

Machine Graphics and Vision

|

1998

|

Vol. 7, No. 1/2

259-268

EN

Classical methods of image segmentation , like discontinuity detection or region growing concepts, are not satisfactory in case in textured images. The alternative is the application of stochastic models like Markov Random Fields (MRF) for image modelling and segmentation. Stochastic model may be described in terms of energy function that should be minimized during a relaxation procedure. Instead of doubly-stochastic model, in which boty the intensity and the label process are modelled by the set of deterministic features. Local texture properties are evaluated using local linear transforms or results from the first order histogram. We measure the disparity between spatial freatures on the basis of the Kolmogorov-Smirnov statistics. Stochastic relaxation algorithms is applied for the minimization of the global energy function. The forbidden label configuration task are given. The examples presented in the paper confirm the usefulness of proposed models and the efficiency of the designed algorithms. Parallel implementation of the constrained optimization can be considered due to the local computation.

6

Zastosowanie losowych pól Markowa do modelowania i analizy tekstur

Strzelecki M., Materka A.

Elektronika : prace naukowe

|

1998

|

nr 3

7-17

PL

Praca poświecona jest problemowi modelowania i analizy obrazów zawierających tekstury, jednemu z trudniejszych zagadnień w dziedzinie analizy obrazu. W pracy przedstawiono metodę losowych pól Markowa jako alternatywą dla innych metod, np. metody macierzy zdarzeń. Przedstawiono model matematyczny metody oraz sposoby estymacji parametrów losowych pól Markowa: metodą minimalizacji funkcji wiarogodności oraz metodą histogramów. Przedstawiono przykład estymacji parametrów MRF oraz cech statystycznych dla tekstur syntetycznych oraz wykazano przewagą parametrów MRF wykorzystywanych do analizy badanych tekstur. Pokazano również przykład estymacji parametrów MRF dla tekstur pochodzących z zastosowań medycznych. Uzasadniono przydatność tych parametrów do opisu przykładowych tekstur. W dyskusji przedstawiono kierunki dalszych badań.

EN

The issue of image feature selection for textured image modelling and analysis is addressed in this paper. It is pointed out that the popular coocurrence matrix statistical method of feature extraction may not be the most efficient one for this task. Usefulness of Random Markov Field parameters as image features is postulated and investigated by means of numerical analysis. It is found out that MRF parameters can be useful for image modelling provided they are estimated in an image window of a properly large size. For MRF parameter estimation, the histogramming method and its modification are presented as an alternative to maximum likelihood estimation. The histogramming method requires much less computing time and provides MRF parameter values of sufficient accuracy. The parameter estimation results obtained for sample artificial and biomedical images are also presented and the topics for future research are addressed.