Anais Do XXVIII Concurso De Teses E Dissertações (CTD 2015) 2015
DOI: 10.5753/ctd.2015.9998
|View full text |Cite
|
Sign up to set email alerts
|

Graph Laplacian for Spectral Clustering and Seeded Image Segmentation

Abstract: Interactive segmentation methods have gained much attention lately, specially due to their good performance in segmenting complex images and easy utilization. However, most interactive segmentation algorithms rely on sophisticated mathematical formulations whose effectiveness highly depends on the kind of image to be processed. In fact, sharp adherence to the contours of image segments, uniqueness of solution, high computational burden, and extensive user interaction are some of the weaknesses of most existing… Show more

Help me understand this report

Search citation statements

Order By: Relevance

Paper Sections

Select...
1
1
1

Citation Types

0
1
0
2

Year Published

2015
2015
2023
2023

Publication Types

Select...
2
2
1

Relationship

0
5

Authors

Journals

citations
Cited by 5 publications
(3 citation statements)
references
References 12 publications
0
1
0
2
Order By: Relevance
“…O espectro do grafo é frequentemente utilizado para agrupamento em várias áreas e tem obtido resultados promissores na segmentação de imagens [Casaca 2014]. Entretando, no melhor do nosso conhecimento não há trabalhos que relatem o agrupamento espectral para detecção de pontos de mudança.…”
Section: Agrupamento Espectralunclassified
See 1 more Smart Citation
“…O espectro do grafo é frequentemente utilizado para agrupamento em várias áreas e tem obtido resultados promissores na segmentação de imagens [Casaca 2014]. Entretando, no melhor do nosso conhecimento não há trabalhos que relatem o agrupamento espectral para detecção de pontos de mudança.…”
Section: Agrupamento Espectralunclassified
“…O desenvolvimento deste trabalho combinou-se em um novo pacote R capaz de identificar pontos de mudança com alta precisão em vários cenários. O uso do Espectro do Grafo já se mostrou eficiente para segmentação [Casaca 2014] e utilizá-lo na detecção de pontos de mudança se mostrou uma alternativa válida abrindo também novas possibilidades, já que, o estudo dos grafos em análise de séries temporais ainda não é muito explorado.…”
Section: Conclusãounclassified
“…This contribution is an unsupervised learning methodology of an intelligent grouping of countries according to the similar spreading of Covid-19, taking in consideration a set of factors such as the population and other factors that affect the behavior of the outbreak. The application is developed using spectral clustering which is an unsupervised learning algorithm for data modelled by graphs [11][12][13].…”
Section: Introductionmentioning
confidence: 99%