检索结果-内蒙古大学图书馆

non-parametric and unsupervised bayesian classification with Bootstrap sampling

IMAGE AND VISION COMPUTING 2004年第1期22卷 1-8页

作者： Zribi, M Univ Littoral Cote Opale Maison Rech Blaise Pascal LASL UPRES 2600 F-62228 Calais France

In this paper, we propose a non-parametric and unsupervised bayesian classification based on the principle of Bootstrap sampling (BS) which reduces the dependence effect of pixels in real images, and reduces the classification time. Given an original image, we randomly select a small representative set of pixels. Then, a non-parametric Expectation-Maximization (NEM) algorithm is used for image segmentation. The non-parametric aspect comes from the use of the orthogonal probability density function (pdf) estimation, which is reduced to the estimation of the first Fourier coefficients (FC's) of the pdf with respect to a given orthogonal basis. The results we obtain show that the BS method gives better results than the classical one, both in the quality of the segmented image and the computing time. (C) 2003 Elsevier B.V. All rights reserved.

关键词： non-parametric and unsupervised bayesian classification bootstrap sampling non-parametric expectation-maximization orthogonal probability density functions

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：