論文の概要: Linear Anchored Gaussian Mixture Model for Location and Width Computation of Objects in Thick Line Shape
- arxiv url: http://arxiv.org/abs/2404.03043v2
- Date: Sun, 7 Apr 2024 12:37:04 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-09 13:16:25.243239
- Title: Linear Anchored Gaussian Mixture Model for Location and Width Computation of Objects in Thick Line Shape
- Title(参考訳): 厚線形状における物体の位置と幅の計算のための線形アンコールガウス混合モデル
- Authors: Nafaa Nacereddine, Aicha Baya Goumeidane, Djemel Ziou,
- Abstract要約: 統計的分布の有限混合モデルとして、画像グレーレベルの3次元表現を考慮し、画像中の線形構造を検出することを目的とする。
混合モデルパラメータ推定には期待最大化アルゴリズムを用いる。
実世界の画像と合成画像のぼかしと付加音による劣化実験は,提案手法の優れた性能を示す。
- 参考スコア(独自算出の注目度): 1.7205106391379021
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: An accurate detection of the centerlines of linear objects is a challenging topic in many sensitive real-world applications such X-ray imaging, remote sensing and lane marking detection in road traffic. Model-based approaches using Hough and Radon transforms are often used but, are not recommended for thick line detection, whereas approaches based on image derivatives need further step-by-step processing, making their efficiency dependent on each step outcomes. In this paper, we aim to detect linear structures found in images by considering the 3D representation of the image gray levels as a finite mixture model of statistical distribution. The latter, which we named linear anchored Gaussian distribution could be parametrized by a scale value ${\sigma}$ describing the linear structure thickness and a line equation, parametrized, in turn, by a radius ${\rho}$ and an orientation angle ${\theta}$, describing the linear structure centerline location. Expectation-Maximization (EM) algorithm is used for the mixture model parameter estimation, where a new paradigm, using the background subtraction for the likelihood function computation, is proposed. For the EM algorithm, two ${\theta}$ parameter initialization schemes are used: the first one is based on a random choice of the first component of ${\theta}$ vector, whereas the second is based on the image Hessian with a simultaneous computation of the mixture model components number. Experiments on real world images and synthetic images corrupted by blur and additive noise show the good performance of the proposed methods, where the algorithm using background subtraction and Hessian-based ${\theta}$ initialization provides an outstanding accuracy of the linear structure detection despite irregular image background and presence of blur and noise.
- Abstract(参考訳): 線形物体の中心線を正確に検出することは、道路交通におけるX線イメージング、リモートセンシング、レーンマーキング検出といった多くのセンシティブな現実世界のアプリケーションにおいて難しいトピックである。
Hough および Radon 変換を用いたモデルベースアプローチはよく用いられるが、厚みのある線検出には推奨されない。
本稿では,画像の灰色レベルの3次元表現を統計的分布の有限混合モデルとして考慮し,画像中の線形構造を検出することを目的とする。
後者は、線形アンカー付きガウス分布をスケール値 ${\sigma}$ でパラメータ化することができ、線形構造厚と直線方程式をパラメータ化して、半径 ${\rho}$ と向き角 ${\theta}$ でパラメータ化する。
予測最大化 (EM) アルゴリズムを混合モデルパラメータ推定に用いて, 確率関数計算のバックグラウンドサブトラクションを用いた新しいパラダイムを提案する。
EMアルゴリズムでは、2つの${\theta}$パラメータ初期化スキームが使用される: 1つは${\theta}$ベクトルの第1成分のランダムな選択に基づいており、もう1つは混合モデル成分の同時計算による画像 Hessian に基づいている。
実世界の画像と合成画像のぼかしと加法雑音による劣化実験により提案手法の性能が向上し,不規則な画像背景やぼかしやノイズの有無に関わらず,背景部分抽出とヘシアンベース${\theta}$初期化を用いたアルゴリズムにより,線形構造検出の顕著な精度が得られた。
関連論文リスト
- Generalization of pixel-wise phase estimation by CNN and improvement of
phase-unwrapping by MRF optimization for one-shot 3D scan [0.621405559652172]
シングルパターンプロジェクション(ワンショット3Dスキャン)を用いたアクティブステレオ技術は、産業や医療目的などから広く注目を集めている。
ワンショット3Dスキャンの深刻な欠点はスパース再構成である。
パターンが正規かつ周期的であれば,任意のタイプの静的パターンに適用可能なワンショットスキャンのための画素ワイズ手法を提案する。
論文 参考訳(メタデータ) (2023-09-26T10:45:04Z) - Poisson-Gaussian Holographic Phase Retrieval with Score-based Image
Prior [19.231581775644617]
本稿では,スコア関数を先行生成関数とする高速化されたWirtinger Flow (AWF) を用いた新しいアルゴリズム"AWFS"を提案する。
PRの対数様関数の勾配を計算し、リプシッツ定数を決定する。
本稿では,提案アルゴリズムの臨界点収束保証を確立する理論的解析を行う。
論文 参考訳(メタデータ) (2023-05-12T18:08:47Z) - Differentiable Rendering with Reparameterized Volume Sampling [2.717399369766309]
ビュー合成において、ニューラルネットワークは、シーン画像のスパースセットに基づいて、基礎となる密度と放射場を近似する。
このレンダリングアルゴリズムは、完全に微分可能であり、フィールドの勾配に基づく最適化を容易にする。
逆変換サンプリングに基づく単純なエンドツーエンドの微分可能サンプリングアルゴリズムを提案する。
論文 参考訳(メタデータ) (2023-02-21T19:56:50Z) - Curvature regularization for Non-line-of-sight Imaging from
Under-sampled Data [5.591221518341613]
非視線イメージング(NLOS)は、視線で測定されたデータから3次元の隠れたシーンを再構築することを目的としている。
曲率正規化に基づく新しいNLOS再構成モデルを提案する。
提案したアルゴリズムを,合成データセットと実データセットの両方で評価する。
論文 参考訳(メタデータ) (2023-01-01T14:10:43Z) - Hybrid Model-based / Data-driven Graph Transform for Image Coding [54.31406300524195]
予測内残差ブロックを符号化するハイブリッドモデルベース/データ駆動方式を提案する。
変換行列の最初の$K$固有ベクトルは、安定性のための非対称離散正弦変換(ADST)のような統計モデルから導かれる。
WebPをベースライン画像として使用することにより、我々のハイブリッドグラフ変換は、デフォルトの離散コサイン変換(DCT)よりもエネルギーの圧縮が良く、KLTよりも安定性がよいことを示す。
論文 参考訳(メタデータ) (2022-03-02T15:36:44Z) - A Model for Multi-View Residual Covariances based on Perspective
Deformation [88.21738020902411]
マルチビューSfM, オードメトリ, SLAMセットアップにおける視覚的残差の共分散モデルの導出を行う。
我々は、合成データと実データを用いてモデルを検証し、それを光度および特徴量に基づくバンドル調整に統合する。
論文 参考訳(メタデータ) (2022-02-01T21:21:56Z) - Path Guiding Using Spatio-Directional Mixture Models [1.6746303554275583]
経路アルゴリズムにおける光パス構築のための学習に基づく手法を提案する。
我々は、インシデント放射をオンライントレーニングされた5ドルの混合品として近似した。
論文 参考訳(メタデータ) (2021-11-25T14:16:13Z) - Inverting brain grey matter models with likelihood-free inference: a
tool for trustable cytoarchitecture measurements [62.997667081978825]
脳の灰白質細胞構造の特徴は、体密度と体積に定量的に敏感であり、dMRIでは未解決の課題である。
我々は新しいフォワードモデル、特に新しい方程式系を提案し、比較的スパースなb殻を必要とする。
次に,提案手法を逆転させるため,確率自由推論 (LFI) として知られるベイズ解析から最新のツールを適用した。
論文 参考訳(メタデータ) (2021-11-15T09:08:27Z) - Spatial-Separated Curve Rendering Network for Efficient and
High-Resolution Image Harmonization [59.19214040221055]
本稿では,空間分離型曲線描画ネットワーク(S$2$CRNet)を提案する。
提案手法は従来の手法と比較して90%以上のパラメータを減少させる。
提案手法は,既存の手法よりも10ドル以上高速な高解像度画像をリアルタイムにスムーズに処理することができる。
論文 参考訳(メタデータ) (2021-09-13T07:20:16Z) - Unfolding Projection-free SDP Relaxation of Binary Graph Classifier via
GDPA Linearization [59.87663954467815]
アルゴリズムの展開は、モデルベースのアルゴリズムの各イテレーションをニューラルネットワーク層として実装することにより、解釈可能で類似のニューラルネットワークアーキテクチャを生成する。
本稿では、Gershgorin disc perfect alignment (GDPA)と呼ばれる最近の線形代数定理を利用して、二進グラフの半定値プログラミング緩和(SDR)のためのプロジェクションフリーアルゴリズムをアンロールする。
実験結果から,我々の未学習ネットワークは純粋モデルベースグラフ分類器よりも優れ,純粋データ駆動ネットワークに匹敵する性能を示したが,パラメータははるかに少なかった。
論文 参考訳(メタデータ) (2021-09-10T07:01:15Z) - Semiparametric Nonlinear Bipartite Graph Representation Learning with
Provable Guarantees [106.91654068632882]
半パラメトリック指数族分布におけるパラメータの統計的推定問題として、両部グラフを考察し、その表現学習問題を定式化する。
提案手法は, 地中真理付近で強い凸性を示すため, 勾配降下法が線形収束率を達成できることを示す。
我々の推定器は指数族内の任意のモデル誤特定に対して頑健であり、広範な実験で検証されている。
論文 参考訳(メタデータ) (2020-03-02T16:40:36Z)
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。