Informacja o cookies

Zgadzam się Nasza strona zapisuje niewielkie pliki tekstowe, nazywane ciasteczkami (ang. cookies) na Twoim urządzeniu w celu lepszego dostosowania treści oraz dla celów statystycznych. Możesz wyłączyć możliwość ich zapisu, zmieniając ustawienia Twojej przeglądarki. Korzystanie z naszej strony bez zmiany ustawień oznacza zgodę na przechowywanie cookies w Twoim urządzeniu.

Publikacje Pracowników Politechniki Lubelskiej

Publikacje Pracowników PL z lat 1990-2010

Publikacje pracowników Politechniki Lubelskie z lat 1990-2010 dostępne są jak dotychczas w starej bazie publikacji
LINK DO STAREJ BAZY

Status:
Autorzy: Smołka Jakub, Skublewska-Paszkowska Maria
Rok wydania: 2008
Wersja dokumentu: Drukowana | Elektroniczna
Język: angielski
Numer czasopisma: 1
Wolumen/Tom: 8
Strony: 111 - 121
Efekt badań statutowych NIE
Materiał konferencyjny: NIE
Publikacja OA: NIE
Abstrakty: angielski
Watershed transformation can be applied to color as well as to gray-scale images. A problem ?arises when dealing with color images. It is caused by the fact that pixels in such images are ?vectors that describe all color components whereas the watershed transformation requires a scalar ?height function as its input. There are multiple gradient magnitude definitions for color images that ?allow for the needed conversion. As in the case of gray-scale images, the image after watershed ?transformation is heavily over-segmented. One can blur the image before calculating the gradient ?magnitude, threshold the gradient image or merge the resulting watersheds. Unfortunately, the ?result is still over-segmented.? A solution presented in this paper complements those mentioned above. It uses hierarchical ?cluster analysis methods for joining similar classes of the over-segmented image into a given ?number of clusters. After the image has been preprocessed and segmented, the over-segmentation ?is reduced by means of the cluster analysis. The attribute values for each watershed in each color ?component are calculated and clustering is performed. The resulting similarity hierarchy allows for ?the simple selection of the number of clusters in the final segmentation.? Several clustering methods, including complete linkage and Ward’s methods with different sets ?of components, have been tested. Selected results are presented