Endre søk
RefereraExporteraLink to record
Permanent link

Direct link
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annet format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annet språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
Improving the stochastic watershed
Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
Vise andre og tillknytning
2013 (engelsk)Inngår i: Pattern Recognition Letters, ISSN 0167-8655, E-ISSN 1872-7344, Vol. 34, nr 9, s. 993-1000Artikkel i tidsskrift (Fagfellevurdert) Published
Abstract [en]

The stochastic watershed is an unsupervised segmentation tool recently proposed by Angulo and Jeulin. By repeated application of the seeded watershed with randomly placed markers, a probability density function for object boundaries is created. In a second step, the algorithm then generates a meaningful segmentation of the image using this probability density function. The method performs best when the image contains regions of similar size, since it tends to break up larger regions and merge smaller ones. We propose two simple modifications that greatly improve the properties of the stochastic watershed: (1) add noise to the input image at every iteration, and (2) distribute the markers using a randomly placed grid. The noise strength is a new parameter to be set, but the output of the algorithm is not very sensitive to this value. In return, the output becomes less sensitive to the two parameters of the standard algorithm. The improved algorithm does not break up larger regions, effectively making the algorithm useful for a larger class of segmentation problems.

sted, utgiver, år, opplag, sider
2013. Vol. 34, nr 9, s. 993-1000
Emneord [en]
Mathematical morphology, Image segmentation, Random process, Stochastic watershed, Seeded watershed, Uniform grid
HSV kategori
Identifikatorer
URN: urn:nbn:se:uu:diva-202340DOI: 10.1016/j.patrec.2013.02.012ISI: 000318889800006OAI: oai:DiVA.org:uu-202340DiVA, id: diva2:632039
Tilgjengelig fra: 2013-06-24 Laget: 2013-06-24 Sist oppdatert: 2018-01-11bibliografisk kontrollert

Open Access i DiVA

fulltext(1436 kB)459 nedlastinger
Filinformasjon
Fil FULLTEXT02.pdfFilstørrelse 1436 kBChecksum SHA-512
13461b3a41fb1db3f6f1546cefbe02fa0fe550b19f814f919fb7712e09fdbe6263e919501c9d2ddbed19f29a8c9653774fda88ab826b37564c3590bda2422870
Type fulltextMimetype application/pdf

Andre lenker

Forlagets fulltekst

Søk i DiVA

Av forfatter/redaktør
Selig, BettinaSintorn, Ida-MariaLuengo Hendriks, Cris L.
Av organisasjonen
I samme tidsskrift
Pattern Recognition Letters

Søk utenfor DiVA

GoogleGoogle Scholar
Totalt: 459 nedlastinger
Antall nedlastinger er summen av alle nedlastinger av alle fulltekster. Det kan for eksempel være tidligere versjoner som er ikke lenger tilgjengelige

doi
urn-nbn

Altmetric

doi
urn-nbn
Totalt: 652 treff
RefereraExporteraLink to record
Permanent link

Direct link
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annet format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annet språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf