論文の概要: Fast OTSU Thresholding Using Bisection Method

• arxiv url: http://arxiv.org/abs/2509.16179v1
• Date: Fri, 19 Sep 2025 17:40:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-22 18:18:11.258443
• Title: Fast OTSU Thresholding Using Bisection Method
• Title（参考訳）: バイセクション法による高速Otsu閾値保持
• Authors: Sai Varun Kodathala,
• Abstract要約: 大津閾値アルゴリズムは画像セグメンテーションの基本的な手法である。 本研究は,クラス間分散関数の一様特性を利用する最適化実装を提案する。 提案手法は, セグメンテーション精度を保ちながら計算複雑性をO(L)からO(log L)評価に還元する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The Otsu thresholding algorithm represents a fundamental technique in image segmentation, yet its computational efficiency is severely limited by exhaustive search requirements across all possible threshold values. This work presents an optimized implementation that leverages the bisection method to exploit the unimodal characteristics of the between-class variance function. Our approach reduces the computational complexity from O(L) to O(log L) evaluations while preserving segmentation accuracy. Experimental validation on 48 standard test images demonstrates a 91.63% reduction in variance computations and 97.21% reduction in algorithmic iterations compared to conventional exhaustive search. The bisection method achieves exact threshold matches in 66.67% of test cases, with 95.83% exhibiting deviations within 5 gray levels. The algorithm maintains universal convergence within theoretical logarithmic bounds while providing deterministic performance guarantees suitable for real-time applications. This optimization addresses critical computational bottlenecks in large-scale image processing systems without compromising the theoretical foundations or segmentation quality of the original Otsu method.
• Abstract（参考訳）: 大津閾値アルゴリズムは画像セグメンテーションの基本的な手法であるが、その計算効率は全ての可能なしきい値に対して徹底的な探索要求によって著しく制限されている。 本研究は,二分法を利用してクラス間分散関数の単項特性を利用する最適化実装を提案する。 提案手法は, セグメンテーション精度を保ちながら計算複雑性をO(L)からO(log L)評価に還元する。 48の標準テスト画像に対する実験的検証では、従来の徹底的な探索と比較して、分散計算の91.63%の削減とアルゴリズムの反復の97.21%の削減が示されている。 バイセクション法は66.67%のテストケースで正確な閾値一致を達成し、95.83%は5グレーレベル以内の偏差を示す。 このアルゴリズムは、実時間アプリケーションに適した決定論的性能保証を提供しながら、理論対数境界内の普遍収束を維持する。 この最適化は,大津法の理論的基礎やセグメンテーションの質を損なうことなく,大規模画像処理システムにおいて重要な計算ボトルネックに対処する。

関連論文リスト

• Adaptive Estimation of the Number of Algorithm Runs in Stochastic Optimization [3.354345524478023]
  本稿では,問題毎の実行回数を推定するための経験的アプローチを提案する。 オンラインアプローチとして実行中の実行回数を動的に調整する。 その結果、異なるアルゴリズムで推定すると82% - 95%の精度が得られた。
  論文  参考訳（メタデータ） (2025-07-02T11:59:00Z)
• Task Scheduling Optimization with Direct Constraints from a Tensor Network Perspective [41.94295877935867]
  本研究では,量子インスパイアされたテンソルネットワーク技術を用いた産業プラントにおけるタスク最適化手法を提案する。 計算のための3つのアルゴリズムが提示される: 主アルゴリズム、必要最小限の制約のみを加算する反復アルゴリズム、および、反復アルゴリズムと基本的な遺伝的アルゴリズムを組み合わせる遺伝的アルゴリズム。
  論文  参考訳（メタデータ） (2023-11-17T10:10:46Z)
• Efficient Convex Algorithms for Universal Kernel Learning [46.573275307034336]
  カーネルの理想的な集合: 線形パラメータ化(トラクタビリティ)を認める; すべてのカーネルの集合に密着する(正確性)。 従来のカーネル最適化アルゴリズムは分類に限られており、計算に複雑なセミデフィニティプログラミング(SDP)アルゴリズムに依存していた。 本稿では,従来のSDP手法と比較して計算量を大幅に削減するSVD-QCQPQPアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-04-15T04:57:37Z)
• Fast Computation of Optimal Transport via Entropy-Regularized Extragradient Methods [75.34939761152587]
  2つの分布間の最適な輸送距離の効率的な計算は、様々な応用を促進するアルゴリズムとして機能する。 本稿では,$varepsilon$加法精度で最適な輸送を計算できるスケーラブルな一階最適化法を提案する。
  論文  参考訳（メタデータ） (2023-01-30T15:46:39Z)
• Otsu based Differential Evolution Method for Image Segmentation [0.0]
  本稿では,衛星画像分割のためのOtsuに基づく微分進化法を提案する。 人工ビーコロニー(MABC)、人工ビーコロニー(ABC)、遺伝的アルゴリズム(GA)、粒子群最適化(PSO)の4つの方法と比較される。
  論文  参考訳（メタデータ） (2022-10-18T17:21:24Z)
• Amortized Implicit Differentiation for Stochastic Bilevel Optimization [53.12363770169761]
  決定論的条件と決定論的条件の両方において、二段階最適化問題を解決するアルゴリズムのクラスについて検討する。 厳密な勾配の推定を補正するために、ウォームスタート戦略を利用する。 このフレームワークを用いることで、これらのアルゴリズムは勾配の偏りのない推定値にアクセス可能な手法の計算複雑性と一致することを示す。
  論文  参考訳（メタデータ） (2021-11-29T15:10:09Z)
• Learned Block Iterative Shrinkage Thresholding Algorithm for Photothermal Super Resolution Imaging [52.42007686600479]
  深層ニューラルネットワークに展開する反復アルゴリズムを用いて,学習したブロックスパース最適化手法を提案する。 本稿では、正規化パラメータの選択を学ぶことができる学習ブロック反復収縮しきい値アルゴリズムを使用することの利点を示す。
  論文  参考訳（メタデータ） (2020-12-07T09:27:16Z)

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。