Random projection depth for multivariate mathematical morphology

Abstract : The open problem of the generalization of mathematical morphology to vector images is handled in this paper using the paradigm of depth functions. Statistical depth functions provide from the "deepest" point a "center-outward ordering" of a multidimensional data distribution and they can be therefore used to construct morphological operators. The fundamental assumption of this data-driven approach is the existence of "background/foreground" image representation. Examples in real color and hyperspectral images illustrate the results.
Type de document :
Article dans une revue
IEEE Journal of Selected Topics in Signal Processing, IEEE, 2012, 6 (7), pp.753-763. 〈10.1109/JSTSP.2012.2211336〉
Liste complète des métadonnées

https://hal-mines-paristech.archives-ouvertes.fr/hal-00751347
Contributeur : Santiago Velasco-Forero <>
Soumis le : mardi 13 novembre 2012 - 11:29:14
Dernière modification le : mardi 12 septembre 2017 - 11:40:50
Document(s) archivé(s) le : jeudi 14 février 2013 - 03:41:09

Fichier

2012_JSTIP.pdf
Fichiers produits par l'(les) auteur(s)

Identifiants

Collections

Citation

Santiago Velasco-Forero, Jesus Angulo. Random projection depth for multivariate mathematical morphology. IEEE Journal of Selected Topics in Signal Processing, IEEE, 2012, 6 (7), pp.753-763. 〈10.1109/JSTSP.2012.2211336〉. 〈hal-00751347〉

Partager

Métriques

Consultations de
la notice

137

Téléchargements du document

260