Learning graph neighborhood topological order for image and manifold morphological processing

Abstract : The extension of lattice based operators to multivariate images is a challenging theme in mathematical morphology. We propose to consider manifold learning as the basis for the construction of a complete lattice by learning graph neighborhood topological order. With these propositions, we dispose of a general formulation of morphological operators on graphs that enables us to process by morphological means any kind of data modeled by a graph.
Type de document :
Communication dans un congrès
IEEE International Conference on Computer and Information Technology, 2008, Australia. pp.350-355, 2008
Liste complète des métadonnées

Littérature citée [12 références]  Voir  Masquer  Télécharger

https://hal.archives-ouvertes.fr/hal-00329520
Contributeur : Olivier Lezoray <>
Soumis le : samedi 11 octobre 2008 - 17:41:23
Dernière modification le : jeudi 8 novembre 2018 - 15:26:02
Document(s) archivé(s) le : mardi 9 octobre 2012 - 12:01:40

Fichier

Lezoray_CIT2008.pdf
Fichiers produits par l'(les) auteur(s)

Identifiants

  • HAL Id : hal-00329520, version 1

Citation

Olivier Lezoray, Abderrahim Elmoataz, Vinh Thong Ta. Learning graph neighborhood topological order for image and manifold morphological processing. IEEE International Conference on Computer and Information Technology, 2008, Australia. pp.350-355, 2008. 〈hal-00329520〉

Partager

Métriques

Consultations de la notice

180

Téléchargements de fichiers

64