PDF EndNote BibTex Kaynak Göster

POİSSON MARKOV RASSAL ALANLARI İLE EĞİTİCİSİZ GÖRÜNTÜ BÖLÜTLEME

Yıl 2007, Cilt 2, Sayı 4, 305 - 321, 01.05.2007

Öz

Son zamanlarda Markov Rassal Alanları temelli görüntü bölütleme yöntemleri bir hayli ilgi çekmiştir. MRF'ler genellikle Gauss dağılımlı şartlı modeller olup, bundan dolayı çoğunlukla Gauss MRF (GMRF) olarak adlandırılırlar. Diğer taraftan, Pal ve Pal (1991)'de, gri seviyesi görüntülerin histogramlarının modellenmesinde karma Poisson dağılımının kullanılmasının daha uygun olduğunu göstermiştir. Böylece bu çalışmada, basit eğiticisiz bir yapı olan Poisson MRF (PMRF) önerilmiştir. Önerilen PMRF başarımı, birçok yapay ve gerçek dünya görüntüleri üzerinde test edilmiştir. Deneysel sonuçlar hem görsel hem de sayısal olarak önerilen bu yeni yaklaşımın etkinliğini ve GMRF'ye olan üstünlüğünü göstermiştir.

AN UNSUPERVISED IMAGE SEGMENTATION USING POISSON MARKOV RANDOM FIELDS

Yıl 2007, Cilt 2, Sayı 4, 305 - 321, 01.05.2007

Öz

Markov random field (MRF)-based image segmentation methods have gained considerable interest over the last few decades. The ubiquitous of MRF is the conditional model that has a joint Gaussian distribution so it is called Gaussian MRF (GMRF). On the other hand, Pal and Pal (1991), proposed that image histograms were more appropriately modeled by the mixture of Poisson distributions. Therefore, in this paper, we proposed a simple unsupervised Poisson MRF (PMRF) for gray level image segmentation. The proposed PMRF has been tested on a variety of images including artificial images and real world images. Experimental results show that by visually and by numerically comparing, it is obvious that using PMRF model generates much more accurate results than the GMRF.

Ayrıntılar

Birincil Dil Türkçe
Bölüm Elektrik Makinaları
Yazarlar

Abdülkadir SENGUR Bu kişi benim

Yayımlanma Tarihi 1 Mayıs 2007
Yayınlandığı Sayı Yıl 2007, Cilt 2, Sayı 4

Kaynak Göster

Bibtex @ { nwsatecapsci213994, journal = {Technological Applied Sciences}, eissn = {1308-7223}, address = {}, publisher = {E-Journal of New World Sciences Academy}, year = {2007}, volume = {2}, number = {4}, pages = {305 - 321}, doi = {10.12739/10.12739}, title = {AN UNSUPERVISED IMAGE SEGMENTATION USING POISSON MARKOV RANDOM FIELDS}, key = {cite}, author = {Sengur, Abdülkadir} }
APA Sengur, A. (2007). AN UNSUPERVISED IMAGE SEGMENTATION USING POISSON MARKOV RANDOM FIELDS . Technological Applied Sciences , 2 (4) , 305-321 . Retrieved from https://dergipark.org.tr/tr/pub/nwsatecapsci/issue/20190/213994
MLA Sengur, A. "AN UNSUPERVISED IMAGE SEGMENTATION USING POISSON MARKOV RANDOM FIELDS" . Technological Applied Sciences 2 (2007 ): 305-321 <https://dergipark.org.tr/tr/pub/nwsatecapsci/issue/20190/213994>
Chicago Sengur, A. "AN UNSUPERVISED IMAGE SEGMENTATION USING POISSON MARKOV RANDOM FIELDS". Technological Applied Sciences 2 (2007 ): 305-321
RIS TY - JOUR T1 - AN UNSUPERVISED IMAGE SEGMENTATION USING POISSON MARKOV RANDOM FIELDS AU - Abdülkadir Sengur Y1 - 2007 PY - 2007 N1 - DO - T2 - Technological Applied Sciences JF - Journal JO - JOR SP - 305 EP - 321 VL - 2 IS - 4 SN - -1308-7223 M3 - UR - Y2 - 2022 ER -
EndNote %0 Technological Applied Sciences AN UNSUPERVISED IMAGE SEGMENTATION USING POISSON MARKOV RANDOM FIELDS %A Abdülkadir Sengur %T AN UNSUPERVISED IMAGE SEGMENTATION USING POISSON MARKOV RANDOM FIELDS %D 2007 %J Technological Applied Sciences %P -1308-7223 %V 2 %N 4 %R %U
ISNAD Sengur, Abdülkadir . "AN UNSUPERVISED IMAGE SEGMENTATION USING POISSON MARKOV RANDOM FIELDS". Technological Applied Sciences 2 / 4 (Mayıs 2007): 305-321 .
AMA Sengur A. AN UNSUPERVISED IMAGE SEGMENTATION USING POISSON MARKOV RANDOM FIELDS. NWSA. 2007; 2(4): 305-321.
Vancouver Sengur A. AN UNSUPERVISED IMAGE SEGMENTATION USING POISSON MARKOV RANDOM FIELDS. Technological Applied Sciences. 2007; 2(4): 305-321.
IEEE A. Sengur , "AN UNSUPERVISED IMAGE SEGMENTATION USING POISSON MARKOV RANDOM FIELDS", Technological Applied Sciences, c. 2, sayı. 4, ss. 305-321, May. 2007, doi:10.12739/10.12739