RGBD image Segmentation

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: انگلیسی
مشاهده: 564

متن کامل این مقاله منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل مقاله (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICMVIP09_018

تاریخ نمایه سازی: 6 اسفند 1395

چکیده مقاله:

In this paper we present a method to segment RGBD image of a scene into coherent and meaningful parts using both the appearance features and depth information. The segmentation method is totally based on graph cuts theory which uses our proposed unsupervised Conditional Random Field (CRF) model. We evaluate our method both quantitatively and qualitatively on a set of RGBD images of NYU dataset. The results show that the combination of unsupervised CRF with graph cuts can be as accurate as supervised methods and in some cases can perform better than other segmentation methods

کلیدواژه ها:

3D Segmentation ، RGBD image ، unsupervised Conditional Random Field ، Graph cuts

نویسندگان

S.S Mirkamali

Computer Engineering and IT Department Payame Noor University, Tehran, Iran

P. Nagabhushan

Department of Studies in Computer Science University of Mysore, Mysore, India