The segmentation of objects has bee

The segmentation of objects has been an area of interest in numerous fields.

The use of texture has been explored to improve convergence in the presence of cluttered backgrounds or objects with distinct textures, where intensity variations are insufficient.

Additionally, saliency and feature maps have been applied for contour initialization.

However, taking advantage of texture to improve initialization and convergence has not been extensively explored.

To address this, we propose a hybrid structural and texture distinctiveness vector field convolution (STVFC) approach, where both the structural characteristics and the concept of texture distinctiveness are incorporated into a multi-functional vector field convolution (VFC) model.

In this novel approach, texture distinctiveness is used to enable automatic initialization and is incorporated with intensity variation to improve and accelerate convergence towards the object boundary.

Experiments using three datasets, containing natural images and Brodatz textures, demonstrated
that STVFC achieved better or comparable segmentation accuracy.

ผลลัพธ์ (ไทย) 1:

การแบ่งกลุ่มของวัตถุได้รับสนใจในหลายพื้นที่ การใช้พื้นผิวมีการอุดมบรรจบกันในต่อหน้าของ cluttered พื้นหลังหรือวัตถุที่ มีพื้นผิวแตกต่างกัน การปรับปรุงไม่เพียงพอความแตกต่างของความเข้มนอกจากนี้ saliency และคุณลักษณะแผนที่ได้ถูกใช้สำหรับการเริ่มต้นจาก อย่างไรก็ตาม ประโยชน์ของพื้นผิวการปรับปรุงเริ่มต้นและบรรจบกันได้ไม่ได้อย่างกว้างขวางอุดม ที่อยู่ นี้เราเสนอการวางโครงสร้างและเนื้อ distinctiveness เวกเตอร์ฟิลด์ convolution (STVFC) วิธี ซึ่งลักษณะโครงสร้างและแนวคิดของ distinctiveness เนื้อจะรวมอยู่ในแบบ convolution (VFC) เวกเตอร์อเนกประสงค์ฟิลด์ ในวิธีการนี้นวนิยาย distinctiveness เนื้อใช้เพื่อเปิดใช้งานเริ่มต้นโดยอัตโนมัติ และรวมกับการเปลี่ยนแปลงความเข้มการปรับปรุง และเร่งรัดการลู่เข้าสู่ขอบเขตของวัตถุ ใช้สาม datasets ประกอบด้วยภาพธรรมชาติและพื้นผิว Brodatz สาธิตการทดลองSTVFC ที่ทำได้ถูกต้องแบ่งดีกว่า หรือเทียบเท่า

ผลลัพธ์ (ไทย) 2:

แบ่งส่วนของวัตถุที่ได้รับพื้นที่ที่น่าสนใจในสาขาต่าง ๆ นานา. การใช้พื้นผิวที่ได้รับการสำรวจเพื่อปรับปรุงการบรรจบกันในที่ที่มีภูมิหลังที่รกหรือวัตถุที่มีพื้นผิวที่แตกต่างกันที่รูปแบบความรุนแรงจะไม่เพียงพอ. นอกจากนี้เด่นและแผนที่คุณลักษณะที่ได้รับ นำมาใช้สำหรับการเริ่มต้นรูปร่าง. อย่างไรก็ตามการใช้ประโยชน์จากเนื้อในการปรับปรุงการเริ่มต้นและการบรรจบกันยังไม่ได้รับการสำรวจอย่างกว้างขวาง. จะอยู่ที่นี่เรานำเสนอโครงสร้างและลักษณะเฉพาะพื้นผิวเวกเตอร์บิดสนามไฮบริด (STVFC) วิธีการที่ทั้งลักษณะโครงสร้างและแนวคิด ของความเป็นเอกเทศเนื้อจะรวมอยู่ในเวกเตอร์อเนกประสงค์บิดสนาม (VFC) รูปแบบ. ในแนวทางใหม่นี้พิเศษเนื้อจะใช้ในการช่วยให้การเริ่มต้นโดยอัตโนมัติและจะรวมกับการเปลี่ยนแปลงความเข้มในการปรับปรุงและเร่งการบรรจบกันต่อเขตแดนวัตถุ. ทดลองใช้สาม ชุดข้อมูลที่มีภาพที่เป็นธรรมชาติและพื้นผิว Brodatz แสดงให้เห็นว่าSTVFC ประสบความสำเร็จความถูกต้องดีกว่าหรือการแบ่งส่วนเทียบเคียง

ผลลัพธ์ (ไทย) 3:

การแบ่งส่วนของวัตถุที่ได้รับความสนใจในสาขาต่าง ๆ

ใช้พื้นผิวที่ได้รับการสำรวจเพื่อปรับปรุงการบรรจบกันในการแสดงตนของวัตถุที่มีพื้นผิวพื้นหลังหรือไม่แตกต่างกัน ซึ่งความรุนแรงการเปลี่ยนแปลงจะไม่เพียงพอ

นอกจากนี้ ความเด่น และแผนที่ คุณสมบัติจะถูกนำมาใช้สำหรับการเริ่มต้นของ

แต่ประโยชน์ของพื้นผิวเพื่อปรับปรุงการเริ่มต้นและบรรจบกันได้อย่างกว้างขวาง สํารวจ

ที่อยู่นี้เราเสนอแบบโครงสร้างและเนื้อความพิเศษสนามเวกเตอร์ขด ( stvfc ) วิธีที่ 2 ลักษณะโครงสร้างและแนวคิดของพื้นผิวที่แตกต่างจะรวมเป็นเวกเตอร์สนามอเนกประสงค์ขด ( vfc ) นางแบบ

ในแนวทางใหม่นี้ พื้นผิว ความพิเศษจะใช้เพื่อช่วยให้เริ่มต้นโดยอัตโนมัติและจะรวมกับความรุนแรงการเปลี่ยนแปลงปรับปรุงและเร่งการลู่เข้าสู่วัตถุขอบเขต

การทดลองโดยใช้ข้อมูลที่มีภาพธรรมชาติและพื้นผิวที่ brodatz )
stvfc ได้ ดีกว่า หรือ ความถูกต้อง การเปรียบ