Publication details

Hierarchical Multiple Markov Chain Model for Unsupervised Texture Segmentation

Journal Article

Scarpa G., Gaetano R., Haindl Michal, Zerubia J.


serial: IEEE Transactions on Image Processing vol.18, 8 (2009), p. 1830-1843

research: CEZ:AV0Z10750506

project(s): GA102/08/0593, GA ČR, 507752,

keywords: Classification, texture analysis, segmentation, hierarchical image models, Markov process

preview: Download

abstract (eng):

In this paper, we present a novel multiscale texture model and a related algorithm for the unsupervised segmentation of color images. Elementary textures are characterized by their spatial interactions with neighboring regions along selected directions. Such interactions are modeled, in turn, by means of a set of Markov chains, one for each direction, whose parameters are collected in a feature vector that synthetically describes the texture. Based on the feature vectors, the texture are then recursively merged, giving rise to larger and more complex textures, which appear at different scales of observation: accordingly, the model is named Hierarchical Multiple Markov Chain (H-MMC). The Texture Fragmentation and Reconstruction (TFR) algorithm, addresses the unsupervised segmentation problem based on the H-MMC model.

abstract (cze):

V práci je navržen nový víceměřítkový texturní model a odpovídající algoritmus pro neřízenou segmentaci barevných obrazů. Jednotlivé textury jsou charakterizovány jejich prostorovými interakcemi se sousedními oblastmi ve vybraných směrech. Tyto interakce jsou modelovány množinou markovských řetězců, jeden pro každý směr. Jejich parametry tvoří příznakový vektor popisující texturu. Podle těchto příznakových vektorů jsou textury rekurzivně spojovány do větších a složitějších textur, které odpovídají různým měřítkům pozorování. Podle této techniky se model nazývá Hierarchický násobný markovský řetěz (H-MMC). Neřízený segmentační algoritmus Texture Fragmentation and Reconstruction (TFR) je založen na H-MMC modelu.

RIV: BD