Enhancing hierarchical segmentation: techniques and evaluation using α-trees

Alpha-trees voor de analyse en segmentatie van complexe beelden

In haar proefschrift richtte Xiaoxuan Zhang zich op de ontwikkeling en verbetering van hiërarchische boomstructuren, met name alpha-trees, voor de analyse en segmentatie van complexe beelden met smalle structuren. Zhang introduceert nieuwe technieken om de detectie van smalle objecten in alpha-trees te verbeteren. Door gebruik te maken van op oriëntatie gebaseerde alpha-trees en alpha-omega-trees met Gabor-filters, geïnspireerd door de menselijke visuele cortex, worden smalle structuren effectief beschermd tegen fragmentatie door ruis. Tests op synthetische en natuurlijke beelden tonen aan dat deze methode de segmentatiekwaliteit aanzienlijk verbetert.

Verder stelt Zhang een methode voor om het ongewenste “chaining”-effect in alpha-trees te voorkomen. Deze aanpak, gebaseerd op oneven 2D Gabor-filters, bereikt een segmentatienauwkeurigheid van 99,8%, wat het chaining-effect effectief elimineert.

Zhang ontwikkelde ook een evaluatie-algoritme voor alpha-omega-trees, waarbij horizontale snedes worden gebruikt om automatisch optimale parameters te selecteren. Hiermee worden kernfactoren zoals nauwkeurigheid en efficiëntie geëvalueerd met behulp van satellietbeelden, en dit algoritme is ook toepasbaar op andere boomstructuren. Ook is deze evaluatie uitgebreid naar niet-horizontale snedes, wat meer flexibiliteit in segmentatie biedt. Zhang gebruikt opnieuw satellietbeelden om deze kwaliteitsmaat te testen, waarmee de toepasbaarheid van deze aanpak op verschillende hiërarchische boomstructuren wordt aangetoond.

Xiaoxuan Zhang voerde haar onderzoek uit bij het Bernoulli Institute for Mathematics, Computer Science and Artificial Intelligence, afdeling Intelligente Systemen. 

Proefschrift: https://hdl.handle.net/11370/4deba521-4847-45fa-9b61-70863c90cf90