Texture Segmentation Benchmark

0317591 - ÚTIA 2010 RIV US eng C - Konferenční příspěvek (zahraniční konf.)
Haindl, Michal - Mikeš, Stanislav
Texture Segmentation Benchmark.
[Texturní segmentační benchmark.]
Proceedings of the 19th International Conference on Pattern Recognition. Los Alamitos: IEEE Press, 2008, s. 2933-2936. ISBN 978-1-4244-2174-9.
[19th International Conference on Pattern Recognition. Tampa (US), 07.12.2008-11.12.2008]
Grant CEP: GA AV ČR 1ET400750407; GA MŠMT 1M0572; GA ČR GA102/07/1594; GA ČR GA102/08/0593
Grant ostatní: GA MŠk(CZ) 2C06019
Výzkumný záměr: CEZ:AV0Z10750506
Klíčová slova: texture segmentation * image segmentation * benchmark
Kód oboru RIV: BD - Teorie informace
http://library.utia.cas.cz/separaty/2008/RO/haindl-texture segmentation benchmark.pdf

The Prague texture segmentation data-generator and benchmark is a web based ( http://mosaic.utia.cas.cz) service designed to mutually compare and rank different texture segmenters, and to support new segmentation and classification methods development. The benchmark verifies their performance characteristics on monospectral, multispectral, bidirectional texture function (BTF) data and enables to test their noise robustness, scale, and rotation or illumination invariance. It can easily be used for other applications such as feature selection, image compression, and query by pictorial example, etc. The benchmark functionalities are demonstrated on five previously published image segmentation algorithms evaluation.

Pražský texturní segmentační datový generátor a benchmark je webová služba ( http://mosaic.utia.cas.cz), navržená pro vzájemné srovnávání a hodnocení různých texturních segmentačních metod a pro podporu vývoje nových segmentačních a klasifikačních metod. Benchmark ověří jejich vlastnosti na monospektrálních, multispektrálních nebo dvousměrných (BTF) texturních datech a umožňuje testovat i jejich odolnost vúči šumu nebo rotaci a invariantnost ke změně měřítka nebo osvětlení. Benchmark může být snadno použit i pro jiné aplikace, jako jsou výběr příznaků, obrazová komprese, nebo vyhledávání podobného obrazu. Vlastnosti benchmarku jsou demonstrovány na hodnocení pěti publikovaných algoritmů segmentace obrazů.
Trvalý link: http://hdl.handle.net/11104/0167198