Co-Sparse Textural Similarity for Interactive Segmentation
Co-Sparse Textural Similarity for Interactive Segmentation
复制标题
用于交互式分割的共稀疏纹理相似度
DOI：
10.1007/978-3-319-10599-4_19
复制
发表时间：
2014
期刊：
影响因子：
--
通讯作者：
Daniel Cremers
中科院分区：
文献类型：
--
作者：
Claudia Nieuwenhuis;Simon Hawe;Martin Kleinsteuber;Daniel Cremers
提出了一种基于纹理和颜色信息的自然图像分割算法，该算法利用了图像分割的共稀疏分析模型。作为该方法的一个关键组成部分，我们引入了一种新的纹理相似性度量，它建立在图像补丁的共同稀疏表示。我们提出了一个统计MAP推理方法，合并纹理相似性与颜色和位置的信息。结合最近开发的凸多标签优化方法，这导致了一个有效的算法，交互式分割，这是很容易并行化的图形硬件。在格拉兹基准上，所提供的方法优于最先进的交互式分割方法。
We propose an algorithm for segmenting natural images based on texture and color information, which leverages the co-sparse analysis model for image segmentation. As a key ingredient of this method, we introduce a novel textural similarity measure, which builds upon the co-sparse representation of image patches. We propose a statistical MAP inference approach to merge textural similarity with information about color and location. Combined with recently developed convex multilabel optimization methods this leads to an efficient algorithm for interactive segmentation, which is easily parallelized on graphics hardware. The provided approach outperforms state-of-the-art interactive segmentation methods on the Graz Benchmark.
DOI：
--
发表时间：
2009
期刊：
2012 4th Workshop on Hyperspectral Image and Signal Processing (WHISPERS)
影响因子：
--
作者：
A. Fiacco
通讯作者：
A. Fiacco
结合颜色和纹理实现稳健的交互式分割算法
DOI：
10.1109/rivf.2010.5633571
发表时间：
2010
期刊：
2010 IEEE RIVF International Conference on Computing & Communication Technologies, Research, Innovation, and Vision for the Future (RIVF)
影响因子：
--
作者：
T. Tran;Dinh;H. Le
通讯作者：
H. Le