| contributor |
Inst. sci. appliquées, lab. automatique, équipe image, 35043 Rennes
|
| creator |
WANG (D.)
|
| HAESE-COAT (V.)
|
| RONSIN (J.)
|
| date |
2005-07-22T08:58:36Z
|
| 2005-07-22T08:58:36Z
|
| 1993
|
| |
| description |
This paper presents firstly the multi-size morphological
decomposition (MMD) based on mathematical morphology,
which can décompose a textured image into a set of
component images according to the size and the gray level
of texture primitives in the image . The MMD can give good
results for supervised segmentation of textured images
while the signal to noise ratio of the image to be segmented
is near to that one of the reference images used for
learning. Then, this decomposition is generalized by using the rank-order filter for fitting better to noisy textures .
Experimental results show that the generalized decomposition
is more robust to noises . It can improve the segmentation
results when the signal to noise ratio of the image to
be segmented is different from that of the reference images .
|
| Cet article présente d'abord la décomposition morphologique multi-tailles (DMM) fondée sur la morphologie mathématique, qui permet la décomposition d'une image texturelle en un ensemble d'images composantes suivant la taille et le niveau de gris des primitives texturelles dans l'image. La DMM peut conduire à de bons résultats en segmentation supervisée de textures bruitées lorsque le rapport signal à bruit de l'image à segmenter est proche de celui des images de référence utilisées pour l'apprentissage. Ensuite cette décomposition est généralisée par le filtre d'ordre afin de mieux l'adapter aux textures bruitées. Les résultats expérimentaux montrent que la décomposition généralisée s'avère en effet moins sensible au bruit
|
| format |
52628 bytes
|
| application/pdf
|
| identifier |
Traitement du Signal [Trait. Signal], 1993, Vol. 10, N° 1, p. 67-73
|
| 0765-0019 |