Décomposition en superpixels via l’utilisation de chemin linéaire
GIRAUD, Rémi
Laboratoire Bordelais de Recherche en Informatique [LaBRI]
Institut de Mathématiques de Bordeaux [IMB]
Laboratoire Bordelais de Recherche en Informatique [LaBRI]
Institut de Mathématiques de Bordeaux [IMB]
TA, Vinh-Thong
Institut Polytechnique de Bordeaux [Bordeaux INP]
Laboratoire Bordelais de Recherche en Informatique [LaBRI]
Institut Polytechnique de Bordeaux [Bordeaux INP]
Laboratoire Bordelais de Recherche en Informatique [LaBRI]
GIRAUD, Rémi
Laboratoire Bordelais de Recherche en Informatique [LaBRI]
Institut de Mathématiques de Bordeaux [IMB]
Laboratoire Bordelais de Recherche en Informatique [LaBRI]
Institut de Mathématiques de Bordeaux [IMB]
TA, Vinh-Thong
Institut Polytechnique de Bordeaux [Bordeaux INP]
Laboratoire Bordelais de Recherche en Informatique [LaBRI]
< Réduire
Institut Polytechnique de Bordeaux [Bordeaux INP]
Laboratoire Bordelais de Recherche en Informatique [LaBRI]
Langue
fr
Communication dans un congrès
Ce document a été publié dans
Colloque du Groupe de Recherche et d'Etudes de Traitement du Signal et des Images (GRETSI'17), 2017-09-05, Juan-les-Pins.
Résumé en anglais
Pour la plupart des méthodes de décomposition en superpixels, un compromis est calculé entre : 1) la régularité de la décomposition, 2) l’homogénéité couleur des superpixels et 3) l’adhérence aux contours de l’image. Dans ...Lire la suite >
Pour la plupart des méthodes de décomposition en superpixels, un compromis est calculé entre : 1) la régularité de la décomposition, 2) l’homogénéité couleur des superpixels et 3) l’adhérence aux contours de l’image. Dans ce papier, nous proposons une méthode rapide de décomposition qui vise à améliorer conjointement ces aspects en utilisant une information couleur et contour le long du chemin linéaire entre chaque pixel et le barycentre du superpixel qui le contient. La méthode proposée produit des superpixels réguliers qui adhèrent aux contours, et obtient des résultats supérieurs à ceux des méthodes de l’état-de-l’art sur les métriques superpixel et de détection de contours.< Réduire
Project ANR
Generalized Optimal Transport Models for Image processing - ANR-16-CE33-0010
Origine
Importé de halUnités de recherche