論文の概要: Color Image Segmentation Using Multi-Objective Swarm Optimizer and Multi-level Histogram Thresholding

• arxiv url: http://arxiv.org/abs/2110.09217v1
• Date: Mon, 18 Oct 2021 12:15:03 GMT
• ステータス: 処理完了
• システム内更新日: 2021-10-19 23:26:46.010340
• Title: Color Image Segmentation Using Multi-Objective Swarm Optimizer and Multi-level Histogram Thresholding
• Title（参考訳）: multi-objective swarm optimizer と multi-level histogram thresholding を用いたカラー画像分割
• Authors: Mohammadreza Naderi Boldaji, Samaneh Hosseini Semnani
• Abstract要約: 本稿では、ヒストグラム閾値法と異なる多目的群知能アルゴリズムを組み合わせることにより、教師なし画像分割の新しい手法を提案する。 提案手法は,他のしきい値アルゴリズムよりも画像のセグメンテーションに必要なしきい値が少ないことを示す。 主観的および客観的な結果は,従来のしきい値法に比べて,この手法の優位性を示している。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Rapid developments in swarm intelligence optimizers and computer processing abilities make opportunities to design more accurate, stable, and comprehensive methods for color image segmentation. This paper presents a new way for unsupervised image segmentation by combining histogram thresholding methods (Kapur's entropy and Otsu's method) and different multi-objective swarm intelligence algorithms (MOPSO, MOGWO, MSSA, and MOALO) to thresholding 3D histogram of a color image. More precisely, this method first combines the objective function of traditional thresholding algorithms to design comprehensive objective functions then uses multi-objective optimizers to find the best thresholds during the optimization of designed objective functions. Also, our method uses a vector objective function in 3D space that could simultaneously handle the segmentation of entire image color channels with the same thresholds. To optimize this vector objective function, we employ multiobjective swarm optimizers that can optimize multiple objective functions at the same time. Therefore, our method considers dependencies between channels to find the thresholds that satisfy objective functions of color channels (which we name as vector objective function) simultaneously. Segmenting entire color channels with the same thresholds also benefits from the fact that our proposed method needs fewer thresholds to segment the image than other thresholding algorithms; thus, it requires less memory space to save thresholds. It helps a lot when we want to segment many images to many regions. The subjective and objective results show the superiority of this method to traditional thresholding methods that separately threshold histograms of a color image.
• Abstract（参考訳）: swarm intelligenceオプティマイザとコンピュータ処理能力の急速な発展により、より正確で安定したカラーイメージセグメンテーションのための総合的な手法を設計する機会が生まれる。 本稿では,色画像の3次元ヒストグラムに,ヒストグラム閾値法(カプールのエントロピー法と大津の手法)と異なる多目的群知能アルゴリズム(MOPSO,MOGWO,MSSA,MOALO)を組み合わせることで,教師なし画像セグメンテーションの新たな手法を提案する。 より正確には、この方法は、まず従来のしきい値化アルゴリズムの目的関数を結合して包括的目的関数を設計後、設計された目的関数の最適化中に最適なしきい値を見つけるために多目的オプティマイザを使用する。 また、3次元空間におけるベクトル目的関数を用いて、同じ閾値で画像色チャネル全体のセグメンテーションを同時に処理できる。 このベクトル目的関数を最適化するために、複数の目的関数を同時に最適化できる多目的Swarmオプティマイザを用いる。 そこで本手法では,カラーチャネルの目的関数(ベクトル目的関数)を同時に満たすしきい値を求めるために,チャネル間の依存性を検討する。 同じしきい値で色チャネル全体を分割することは、提案手法が他のしきい値アルゴリズムよりも画像のセグメンテーションに必要なしきい値が少ないという事実からも恩恵を受ける。 多くの画像を多くのリージョンに分割したい場合、非常に役立ちます。 主観的および客観的な結果から,カラー画像のヒストグラムを分離した従来のしきい値法よりも優れていることが示された。

関連論文リスト

• View-Consistent Hierarchical 3D Segmentation Using Ultrametric Feature Fields [52.08335264414515]
  我々は3次元シーンを表すニューラル・レージアンス・フィールド(NeRF)内の新しい特徴場を学習する。 本手法は、ビュー一貫性の多粒性2Dセグメンテーションを入力とし、3D一貫性のセグメンテーションの階層構造を出力として生成する。 提案手法と,多視点画像と多粒性セグメンテーションを用いた合成データセットのベースラインの評価を行い,精度と視点整合性を向上したことを示す。
  論文  参考訳（メタデータ） (2024-05-30T04:14:58Z)
• Ensemble Quadratic Assignment Network for Graph Matching [52.20001802006391]
  グラフマッチングはコンピュータビジョンやパターン認識において一般的に用いられる技法である。 最近のデータ駆動型アプローチは、グラフマッチングの精度を著しく改善した。 データ駆動手法と従来の手法の利点を組み合わせたグラフニューラルネットワーク(GNN)に基づくアプローチを提案する。
  論文  参考訳（メタデータ） (2024-03-11T06:34:05Z)
• Diff-DOPE: Differentiable Deep Object Pose Estimation [29.703385848843414]
  Diff-DOPE, 画像入力を行う6-DoFポーズ精細機, オブジェクトの3次元テクスチャモデル, オブジェクトの初期ポーズを紹介する。 この方法は、画像とモデルの投影の間の視覚的エラーを最小限に抑えるために、オブジェクトのポーズを更新するために微分可能なレンダリングを使用する。 このシンプルで効果的なアイデアは、ポーズ推定データセットで最先端の結果を得ることができることを示す。
  論文  参考訳（メタデータ） (2023-09-30T18:52:57Z)
• A Multi-task Framework for Infrared Small Target Detection and Segmentation [9.033048310220346]
  赤外線小ターゲット検出とセグメンテーションのための新しいエンドツーエンドフレームワークを提案する。 UNetをバックボーンとして、解像度とセマンティック情報を維持するために使用しています。 我々は、赤外線小ターゲット検出とセグメンテーションのためのマルチタスクフレームワークを開発した。
  論文  参考訳（メタデータ） (2022-06-14T15:43:34Z)
• EfficientCellSeg: Efficient Volumetric Cell Segmentation Using Context Aware Pseudocoloring [4.555723508665994]
  ボリュームセルセグメンテーションのための小さな畳み込みニューラルネットワーク(CNN)を導入する。 我々のモデルは効率的で非対称なエンコーダ・デコーダ構造を持ち、デコーダにはほとんどパラメータがない。 我々のCNNモデルは,他の上位手法に比べて最大25倍のパラメータ数を持つ。
  論文  参考訳（メタデータ） (2022-04-06T18:02:15Z)
• Unsupervised Domain Adaptation with Contrastive Learning for OCT Segmentation [49.59567529191423]
  本稿では,新しい未ラベル領域からのボリューム画像のセグメンテーションのための,新しい半教師付き学習フレームワークを提案する。 教師付き学習とコントラスト学習を併用し、3次元の近傍スライス間の類似性を利用したコントラストペア方式を導入する。
  論文  参考訳（メタデータ） (2022-03-07T19:02:26Z)
• AF$_2$: Adaptive Focus Framework for Aerial Imagery Segmentation [86.44683367028914]
  航空画像のセグメンテーションにはいくつかの独特な課題があり、中でも最も重要なものは前景と背景のアンバランスにある。 本稿では,階層的なセグメンテーション手法を採用し,マルチスケール表現を適応的に活用するAdaptive Focus Framework (AF$)を提案する。 AF$は、広く使われている3つの航空ベンチマークの精度を大幅に改善した。
  論文  参考訳（メタデータ） (2022-02-18T10:14:45Z)
• SCSNet: An Efficient Paradigm for Learning Simultaneously Image Colorization and Super-Resolution [39.77987463287673]
  画像のカラー化と超解像(SCS)を同時に行うための効率的なパラダイムを提案する。 提案手法は2つの部分から構成される: プラグアンドプレイのemphPyramid Valve Cross Attention (PVCAttn)モジュールを用いた色情報学習用カラー化ブランチ。 我々のSCSNetは、実用上よりフレキシブルな自動モードと参照モードの両方をサポートしている。
  論文  参考訳（メタデータ） (2022-01-12T08:59:12Z)
• Image segmentation via Cellular Automata [58.86475603234583]
  我々は高解像度画像のセグメンテーションを成功させるセルオートマトンを設計し、訓練する。 私たちの最小のオートマトンは、複雑なセグメンテーションタスクを解決するために1万以下のパラメータを使用します。
  論文  参考訳（メタデータ） (2020-08-11T19:04:09Z)
• Instance-aware Image Colorization [51.12040118366072]
  本稿では,インスタンス認識のカラー化を実現する手法を提案する。 我々のネットワークアーキテクチャは、市販のオブジェクト検出器を利用して、収穫されたオブジェクト画像を取得する。 類似したネットワークを用いて、フルイメージの特徴を抽出し、融合モジュールを適用して最終色を予測する。
  論文  参考訳（メタデータ） (2020-05-21T17:59:23Z)
• The Semantic Mutex Watershed for Efficient Bottom-Up Semantic Instance Segmentation [15.768804877756384]
  本稿では,共同グラフ分割とラベリングのためのグリーディアルゴリズムを提案する。 アルゴリズムの効率のため、イメージをスーパーピクセルにオーバーセグメンテーションすることなく、直接ピクセル上で操作することができる。
  論文  参考訳（メタデータ） (2019-12-29T19:48:39Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。