GMRFを用いた多重分光画像の領域分割

スポンサーリンク

概要

• 論文の詳細を見る

• Multispectral remote sensing data are abundant and contain spatial as well as spectral information. The utilization of both kinds of information should enable us to classify images more accurately than we can with conventional pixelwise techniques. There are two kinds of spatial information available. The first is a priori knowledge that the areas of classified regions tend to be rather large in comparison with pixel size. The second kind of spatial information is the class-dependent texture property that constitutes a group of pixels. In this paper, we propose a new contextual method for classifying multispectral remote sensing date or textured images using both spatial and spectral information. The Markov Random Field (MRF) models are used as an image model in our method.

• 社団法人電子情報通信学会の論文
• 1995-03-27

著者

• ジングラ ドゥニー

  カナダ光技術研究所

• 山崎 達也

  通信総合研

• 山崎 達也

  エイティアール環境適応通信研究所第一研究室

• 山崎 達也

  郵政省通信総合研究所関西先端研究センター

• 山崎 達也

  郵政省通信総合研究所関西支所

関連論文

• ランドサットデータによる広葉樹林帯と針葉樹林帯の教師なし分類手法
• GMRFを用いた多重分光画像の領域分割
• 画像の局所的空間情報を利用した多重分光画像の領域分割 : 視聴覚,画像処理・コンピュータビジョン・マルチメディアおよび一般 : 視聴覚技術 : 画像処理・コンピュータビジョン
• ネットワークコミュニティにおける関心の類似性に基づいた知識共有の促進(インタラクション技術の革新と実用化)
• Zinger:関心の類似性に基づく会話支援エージェント(「情報メディアとインタフェース」および一般)
• ガウス-マルコフ確率場モデルに基づく多重分光画像の領域分割
• MRFモデルを用いたテクスチャ画像セグメンテーションにおける線過程の導入
• MRFモデルを用いた劣化画像のデータ駆動型セグメンテーション
• IEEE Workshop on Knowledge Media Networking (KMN'02)

スポンサーリンク