| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2011-11-10 15:45 混合モデルとしての複層Gauss-Markov確率場による画像の修復と領域分割 ○勝木孝行・井上真郷（早大）  IBISML2011-75 |
|
| 抄録 | （和） | 本研究では画像の新しいモデルを提案し，Bayes推定によって画像の修復と領域分割を行なう．提案モデルは混合モデルとして拡張した複層Gauss-Markov確率場であり，画像内の領域を表すラベル毎に個別のパラメータを設定出来るものである．画像内の全領域に対して同一のパラメータを用いていた従来のモデルと比較して，提案モデルでは画像修復と領域分割の同時推定がより正確に行えることを示す．加えて，画像修復と領域分割について，それぞれ最適な推定量を導出し，また，モデルに含まれる全変数をラベル数も含めて観測データから自動的に決定する．推定には指数オーダーの計算が含まれるが，変分Bayes法とTaylor近似を用いることでこれを回避する．実験では提案手法の有効性を評価する． |
| （英） | This report proposes an accurate image restoration and segmentation using a new image model. The model is a compound Gaussian Markov random field model extended as mixture model. It can provide more accurate estimation because this model enables us to set parameters individually to each region while previous models cannot. Additionally, we solve these problems using the optimal estimators without any manual settings of all parameters including the number of regions. The estimators are approximately determined by using variational Bayes and Taylor approximations because of the complexity of an evaluation. In experiments, we evaluate the proposed method., , , , | |
| キーワード | （和） | 画像修復 / 画像領域分割 / 複層Gauss-Markov確率場 / フルBayeアプローチ / 変分Bayes法 / / / |
| （英） | image restoration / image segmentation / compound Gaussian Markov random field prior / fully Bayesian approach / variational Bayes / / / | |
| 文献情報 | 信学技報, vol. 111, no. 275, IBISML2011-75, pp. 223-230, 2011年11月. | |
| 資料番号 | IBISML2011-75 | |
| 発行日 | 2011-11-02 (IBISML) | |
| ISSN | Print edition: ISSN 0913-5685 Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | IBISML2011-75 |
|
| 研究会情報 | |
| 研究会 | IBISML |
| 開催期間 | 2011-11-09 - 2011-11-11 |
| 開催地（和） | 奈良女子大学 |
| 開催地（英） | Nara Womens Univ. |
| テーマ（和） | 第14回情報論的学習理論ワークショップ |
| テーマ（英） | The 14th IBIS workshop |
| 講演論文情報の詳細 | |
| 申込み研究会 | IBISML |
| 会議コード | 2011-11-IBISML |
| 本文の言語 | 日本語 |
| タイトル（和） | 混合モデルとしての複層Gauss-Markov確率場による画像の修復と領域分割 |
| サブタイトル（和） | |
| タイトル（英） | Image Restoration and Segmentation Based on Compound Gaussian Markov Random Field Extended as Mixture Model |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 画像修復 / image restoration |
| キーワード(2)（和/英） | 画像領域分割 / image segmentation |
| キーワード(3)（和/英） | 複層Gauss-Markov確率場 / compound Gaussian Markov random field prior |
| キーワード(4)（和/英） | フルBayeアプローチ / fully Bayesian approach |
| キーワード(5)（和/英） | 変分Bayes法 / variational Bayes |
| キーワード(6)（和/英） | / |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 勝木 孝行 / Takayuki Katsuki / カツキ タカユキ |
| 第1著者 所属（和/英） | 早稲田大学 (略称： 早大) Waseda University (略称： Waseda Univ.) |
| 第2著者 氏名（和/英/ヨミ） | 井上 真郷 / Masato Inoue / イノウエ マサト |
| 第2著者 所属（和/英） | 早稲田大学 (略称： 早大) Waseda University (略称： Waseda Univ.) |
| 第3著者 氏名（和/英/ヨミ） | / / |
| 第3著者 所属（和/英） | (略称： ) (略称： ) |
| 第4著者 氏名（和/英/ヨミ） | / / |
| 第4著者 所属（和/英） | (略称： ) (略称： ) |
| 第5著者 氏名（和/英/ヨミ） | / / |
| 第5著者 所属（和/英） | (略称： ) (略称： ) |
| 第6著者 氏名（和/英/ヨミ） | / / |
| 第6著者 所属（和/英） | (略称： ) (略称： ) |
| 第7著者 氏名（和/英/ヨミ） | / / |
| 第7著者 所属（和/英） | (略称： ) (略称： ) |
| 第8著者 氏名（和/英/ヨミ） | / / |
| 第8著者 所属（和/英） | (略称： ) (略称： ) |
| 第9著者 氏名（和/英/ヨミ） | / / |
| 第9著者 所属（和/英） | (略称： ) (略称： ) |
| 第10著者 氏名（和/英/ヨミ） | / / |
| 第10著者 所属（和/英） | (略称： ) (略称： ) |
| 第11著者 氏名（和/英/ヨミ） | / / |
| 第11著者 所属（和/英） | (略称： ) (略称： ) |
| 第12著者 氏名（和/英/ヨミ） | / / |
| 第12著者 所属（和/英） | (略称： ) (略称： ) |
| 第13著者 氏名（和/英/ヨミ） | / / |
| 第13著者 所属（和/英） | (略称： ) (略称： ) |
| 第14著者 氏名（和/英/ヨミ） | / / |
| 第14著者 所属（和/英） | (略称： ) (略称： ) |
| 第15著者 氏名（和/英/ヨミ） | / / |
| 第15著者 所属（和/英） | (略称： ) (略称： ) |
| 第16著者 氏名（和/英/ヨミ） | / / |
| 第16著者 所属（和/英） | (略称： ) (略称： ) |
| 第17著者 氏名（和/英/ヨミ） | / / |
| 第17著者 所属（和/英） | (略称： ) (略称： ) |
| 第18著者 氏名（和/英/ヨミ） | / / |
| 第18著者 所属（和/英） | (略称： ) (略称： ) |
| 講演者 | 第1著者 |
| 発表日時 | 2011-11-10 15:45:00 |
| 発表時間 | 180分 |
| 申込先研究会 | IBISML |
| 資料番号 | IBISML2011-75 |
| 巻番号（vol） | vol.111 |
| 号番号（no） | no.275 |
| ページ範囲 | pp.223-230 |
| ページ数 | 8 |
| 発行日 | 2011-11-02 (IBISML) |
[研究会発表申込システムのトップページに戻る]