A new approach to image segmentation with two-dimensional hidden Markov models

Autores
Baumgartner, Josef; Flesia, Ana Georgina; Gimenez, Javier; Pucheta, Julian
Año de publicación
2013
Idioma
inglés
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
Fil: Baumgartner, Josef. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales; Argentina.
Fil: Flesia, Ana Georgina. Universidad Tecnológica Nacional; Argentina.
Fil: Flesia, Ana Georgina. Universidad Nacional de Córdoba. Facultad de Matemática, Astronomía, Física y Computación; Argentina.
Fil: Flesia, Ana Georgina. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina.
Fil: Gimenez, Javier. Universidad Nacional de Córdoba. Facultad de Matemática, Astronomía, Física y Computación; Argentina.
Fil: Pucheta, Julián. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales; Argentina.
Image segmentation is one of the fundamental problems in computer vision. In this work, we present a new segmentation algorithm that is based on the theory of twodimensional hidden Markov models (2D-HMM). Unlike most 2DHMM approaches we do not apply the Viterbi Algorithm, instead we present a computationally efficient algorithm that propagates the state probabilities through the image. This approach can easily be extended to higher dimensions. We compare the proposed method with a 2D-HMM standard algorithm and Iterated Conditional Modes using real world images like a radiography or a satellite image as well as synthetic images. The experimental results show that our approach is highly capable of condensing image segments. This gives our algorithm a significant advantage over the standard algorithm when dealing with noisy images with few classes.
Fil: Baumgartner, Josef. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales; Argentina.
Fil: Flesia, Ana Georgina. Universidad Tecnológica Nacional; Argentina.
Fil: Flesia, Ana Georgina. Universidad Nacional de Córdoba. Facultad de Matemática, Astronomía, Física y Computación; Argentina.
Fil: Flesia, Ana Georgina. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina.
Fil: Gimenez, Javier. Universidad Nacional de Córdoba. Facultad de Matemática, Astronomía, Física y Computación; Argentina.
Fil: Pucheta, Julián. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales; Argentina.
Sistemas de Automatización y Control
Materia
Classification
Agriculture
Markov Models
Hidden Markov chains
Nivel de accesibilidad
acceso abierto
Condiciones de uso
Repositorio
Repositorio Digital Universitario (UNC)
Institución
Universidad Nacional de Córdoba
OAI Identificador
oai:rdu.unc.edu.ar:11086/21146
Acceder
id RDUUNC_f0e13f0c4650d91b21d36072298e00c2
oai_identifier_str oai:rdu.unc.edu.ar:11086/21146
network_acronym_str RDUUNC
repository_id_str 2572
network_name_str Repositorio Digital Universitario (UNC)
spelling A new approach to image segmentation with two-dimensional hidden Markov modelsBaumgartner, JosefFlesia, Ana GeorginaGimenez, JavierPucheta, JulianClassificationAgricultureMarkov ModelsHidden Markov chainsFil: Baumgartner, Josef. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales; Argentina.Fil: Flesia, Ana Georgina. Universidad Tecnológica Nacional; Argentina.Fil: Flesia, Ana Georgina. Universidad Nacional de Córdoba. Facultad de Matemática, Astronomía, Física y Computación; Argentina.Fil: Flesia, Ana Georgina. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina.Fil: Gimenez, Javier. Universidad Nacional de Córdoba. Facultad de Matemática, Astronomía, Física y Computación; Argentina.Fil: Pucheta, Julián. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales; Argentina.Image segmentation is one of the fundamental problems in computer vision. In this work, we present a new segmentation algorithm that is based on the theory of twodimensional hidden Markov models (2D-HMM). Unlike most 2DHMM approaches we do not apply the Viterbi Algorithm, instead we present a computationally efficient algorithm that propagates the state probabilities through the image. This approach can easily be extended to higher dimensions. We compare the proposed method with a 2D-HMM standard algorithm and Iterated Conditional Modes using real world images like a radiography or a satellite image as well as synthetic images. The experimental results show that our approach is highly capable of condensing image segments. This gives our algorithm a significant advantage over the standard algorithm when dealing with noisy images with few classes.Fil: Baumgartner, Josef. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales; Argentina.Fil: Flesia, Ana Georgina. Universidad Tecnológica Nacional; Argentina.Fil: Flesia, Ana Georgina. Universidad Nacional de Córdoba. Facultad de Matemática, Astronomía, Física y Computación; Argentina.Fil: Flesia, Ana Georgina. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina.Fil: Gimenez, Javier. Universidad Nacional de Córdoba. Facultad de Matemática, Astronomía, Física y Computación; Argentina.Fil: Pucheta, Julián. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales; Argentina.Sistemas de Automatización y Control2013info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdfhttp://hdl.handle.net/11086/21146enginfo:eu-repo/semantics/openAccessreponame:Repositorio Digital Universitario (UNC)instname:Universidad Nacional de Córdobainstacron:UNC2025-11-06T09:38:54Zoai:rdu.unc.edu.ar:11086/21146Institucionalhttps://rdu.unc.edu.ar/Universidad públicaNo correspondehttp://rdu.unc.edu.ar/oai/snrdoca.unc@gmail.comArgentinaNo correspondeNo correspondeNo correspondeopendoar:25722025-11-06 09:38:54.493Repositorio Digital Universitario (UNC) - Universidad Nacional de Córdobafalse
dc.title.none.fl_str_mv A new approach to image segmentation with two-dimensional hidden Markov models
title A new approach to image segmentation with two-dimensional hidden Markov models
spellingShingle A new approach to image segmentation with two-dimensional hidden Markov models
Baumgartner, Josef
Classification
Agriculture
Markov Models
Hidden Markov chains
title_short A new approach to image segmentation with two-dimensional hidden Markov models
title_full A new approach to image segmentation with two-dimensional hidden Markov models
title_fullStr A new approach to image segmentation with two-dimensional hidden Markov models
title_full_unstemmed A new approach to image segmentation with two-dimensional hidden Markov models
title_sort A new approach to image segmentation with two-dimensional hidden Markov models
dc.creator.none.fl_str_mv Baumgartner, Josef
Flesia, Ana Georgina
Gimenez, Javier
Pucheta, Julian
author Baumgartner, Josef
author_facet Baumgartner, Josef
Flesia, Ana Georgina
Gimenez, Javier
Pucheta, Julian
author_role author
author2 Flesia, Ana Georgina
Gimenez, Javier
Pucheta, Julian
author2_role author
author
author
dc.subject.none.fl_str_mv Classification
Agriculture
Markov Models
Hidden Markov chains
topic Classification
Agriculture
Markov Models
Hidden Markov chains
dc.description.none.fl_txt_mv Fil: Baumgartner, Josef. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales; Argentina.
Fil: Flesia, Ana Georgina. Universidad Tecnológica Nacional; Argentina.
Fil: Flesia, Ana Georgina. Universidad Nacional de Córdoba. Facultad de Matemática, Astronomía, Física y Computación; Argentina.
Fil: Flesia, Ana Georgina. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina.
Fil: Gimenez, Javier. Universidad Nacional de Córdoba. Facultad de Matemática, Astronomía, Física y Computación; Argentina.
Fil: Pucheta, Julián. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales; Argentina.
Image segmentation is one of the fundamental problems in computer vision. In this work, we present a new segmentation algorithm that is based on the theory of twodimensional hidden Markov models (2D-HMM). Unlike most 2DHMM approaches we do not apply the Viterbi Algorithm, instead we present a computationally efficient algorithm that propagates the state probabilities through the image. This approach can easily be extended to higher dimensions. We compare the proposed method with a 2D-HMM standard algorithm and Iterated Conditional Modes using real world images like a radiography or a satellite image as well as synthetic images. The experimental results show that our approach is highly capable of condensing image segments. This gives our algorithm a significant advantage over the standard algorithm when dealing with noisy images with few classes.
Fil: Baumgartner, Josef. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales; Argentina.
Fil: Flesia, Ana Georgina. Universidad Tecnológica Nacional; Argentina.
Fil: Flesia, Ana Georgina. Universidad Nacional de Córdoba. Facultad de Matemática, Astronomía, Física y Computación; Argentina.
Fil: Flesia, Ana Georgina. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina.
Fil: Gimenez, Javier. Universidad Nacional de Córdoba. Facultad de Matemática, Astronomía, Física y Computación; Argentina.
Fil: Pucheta, Julián. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales; Argentina.
Sistemas de Automatización y Control
description Fil: Baumgartner, Josef. Universidad Nacional de Córdoba. Facultad de Ciencias Exactas, Físicas y Naturales; Argentina.
publishDate 2013
dc.date.none.fl_str_mv 2013
dc.type.none.fl_str_mv info:eu-repo/semantics/conferenceObject
info:eu-repo/semantics/publishedVersion
http://purl.org/coar/resource_type/c_5794
info:ar-repo/semantics/documentoDeConferencia
format conferenceObject
status_str publishedVersion
dc.identifier.none.fl_str_mv http://hdl.handle.net/11086/21146
url http://hdl.handle.net/11086/21146
dc.language.none.fl_str_mv eng
language eng
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Repositorio Digital Universitario (UNC)
instname:Universidad Nacional de Córdoba
instacron:UNC
reponame_str Repositorio Digital Universitario (UNC)
collection Repositorio Digital Universitario (UNC)
instname_str Universidad Nacional de Córdoba
instacron_str UNC
institution UNC
repository.name.fl_str_mv Repositorio Digital Universitario (UNC) - Universidad Nacional de Córdoba
repository.mail.fl_str_mv oca.unc@gmail.com
_version_ 1848046244026384384
score 12.576249

Publicaciones similares