Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Buchtitelbild

2017 | OriginalPaper | Buchkapitel

A New Objective Supervised Edge Detection Assessment Using Hysteresis Thresholds

verfasst von : Hasan Abdulrahman, Baptiste Magnier, Philippe Montesinos

Erschienen in: New Trends in Image Analysis and Processing – ICIAP 2017

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Useful for the visual perception of a human, edge detection remains a crucial stage in numerous image processing applications. Therefore, one of the most challenging goals in contour extraction is to operate algorithms that can process visual information as humans need. Hence, to ensure that it is reliable, an edge detection technique needs to be severely assessed before being used it in a computer vision tools. To achieve this task, a supervised evaluation computes a score between a ground truth edge map and a candidate image. Theoretically, by varying the hysteresis thresholds of the thin edges, the minimum score of the measure corresponds to the best edge map, compared to the ground truth. In this study, a new supervised edge map quality measure is proposed, where the minimum score of the measure is associated with an edge map in which the main structures of the desired objects are distinctive.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Nächstes Kapitel Learning Motion from Temporal Coincidences
Literatur
1.
Arbelaez, P., Maire, M., Fowlkes, C., Malik, J.: Contour detection and hierarchical image segmentation. IEEE TPAMI 33(5), 898–916 (2011)CrossRef
2.
Sobel, I.E.: Camera models and machine perception. Ph.D. thesis, Stanford University (1970)
3.
Canny, J.: A computational approach to edge detection. IEEE TPAMI PAMI–8(6), 679–698 (1986)CrossRef
4.
Freeman, W.T., Adelson, E.H.: The design and use of steerable filters. IEEE TPAMI 13, 891–906 (1991)CrossRef
5.
Jacob, M., Unser, M.: Design of steerable filters for feature detection using Canny-like criteria. IEEE TPAMI 26(8), 1007–1019 (2004)CrossRef
6.
7.
Magnier, B., Montesinos, P., Diep, D.: Fast anisotropic edge detection using Gamma correction in color images. In: IEEE ISPA, pp. 212–217 (2011)
8.
Abdulrahman, H., Magnier, B., Montesinos, P.: From contours to ground truth: how to evaluate edge detectors by filtering. In: WSCG (2017)
9.
Martin, D., Fowlkes, C., Tal, D., Malik, J.: A database of human segmented natural images and its application to evaluating segmentation algorithms and measuring ecological statistics. In: IEEE ICCV, vol. 2, pp. 416–423. IEEE (2001)
10.
Heath, M.D., Sarkar, S., Sanocki, T., Bowyer, K.W.: A robust visual method for assessing the relative performance of edge-detection algorithms. IEEE TPAMI 19(12), 1338–1359 (1997)CrossRef
11.
Dubuisson, M.-P., Jain, A.K.: A modified Hausdorff distance for object matching. In: IEEE ICPR, vol. 1, pp. 566–568 (1994)
12.
Chabrier, S., Laurent, H., Rosenberger, C., Emile, B.: Comparative study of contour detection evaluation criteria based on dissimilarity measures. EURASIP J. Image Video Process. 2008, 2 (2008)
13.
Lopez-Molina, C., De Baets, B., Bustince, H.: Quantitative error measures for edge detection. Pattern Recogn. 46(4), 1125–1139 (2013)CrossRef
14.
15.
Grigorescu, C., Petkov, N., Westenberg, M.: Contour detection based on nonclassical receptive field inhibition. IEEE TIP 12(7), 729–739 (2003)
16.
Venkatesh, S., Rosin, P.L.: Dynamic threshold determination by local and global edge evaluation. CVGIP 57(2), 146–160 (1995)
17.
Yitzhaky, Y., Peli, E.: A method for objective edge detection evaluation and detector parameter selection. IEEE TPAMI 25(8), 1027–1033 (2003)CrossRef
18.
Martin, D.R., Fowlkes, C.C., Malik, J.: Learning to detect natural image boundaries using local brightness, color, and texture cues. IEEE TPAMI 26(5), 530–549 (2004)CrossRef
19.
Bowyer, K., Kranenburg, C., Dougherty, S.: Edge detector evaluation using empirical ROC curves. In: CVIU, pp. 77–103 (2001)
20.
Abdou, I.E., Pratt, W.K.: Quantitative design and evaluation of enhancement/thresholding edge detectors. Proc. IEEE 67, 753–763 (1979)CrossRef
21.
22.
Boaventura, A.G., Gonzaga, A.: Method to evaluate the performance of edge detector (2009)
23.
Yasnoff, W.A., Galbraith, W., Bacus, J.W.: Error measures for objective assessment of scene segmentation algorithms. Anal. Quant. Cytol. 1(2), 107–121 (1978)
24.
Huttenlocher, D.P., Rucklidge, W.J.: A multi-resolution technique for comparing images using the Hausdorff distance. In: IEEE CVPR, pp. 705–706 (1993)
25.
Peli, T., Malah, D.: A study of edge detection algorithms. CGIP 20(1), 1–21 (1982)MATH
26.
Odet, C., Belaroussi, B., Benoit-Cattin, H.: Scalable discrepancy measures for segmentation evaluation. In: IEEE ICIP, vol. 1, pp. 785–788 (2002)
27.
Baddeley, A.J.: An error metric for binary images. In: Robust Computer Vision: Quality of Vision Algorithms, Proceedings of the International Workshop on Robust Computer Vision, pp. 59–78. Bonn, Wichmann (1992)
28.
Panetta, K., Gao, C., Agaian, S., Nercessian, S.: A new reference-based edge map quality measure. IEEE Trans. Syst. Man Cybern.: Syst. 46(11), 1505–1517 (2016)CrossRef
29.
Magnier, B., Le, A., Zogo, A.: A quantitative error measure for the evaluation of roof edge detectors. In: IEEE IST, pp. 429–434 (2016)
30.
Fernández-Garca, N.L., Medina-Carnicer, R., Carmona-Poyato, A., Madrid-Cuevas, F.J., Prieto-Villegas, M.: Characterization of empirical discrepancy evaluation measures. Pattern Recogn. Lett. 25(1), 35–47 (2004)CrossRef
31.
Hou, X., Yuille, A., Koch, C.: Boundary detection benchmarking: beyond F-measures. In: IEEE CVPR, pp. 2123–2130 (2013)
Metadaten
Titel
A New Objective Supervised Edge Detection Assessment Using Hysteresis Thresholds
verfasst von
Hasan Abdulrahman
Baptiste Magnier
Philippe Montesinos
Copyright-Jahr
2017
Buch
New Trends in Image Analysis and Processing – ICIAP 2017

Print ISBN: 978-3-319-70741-9

Electronic ISBN: 978-3-319-70742-6

Copyright-Jahr: 2017

DOI
https://doi.org/10.1007/978-3-319-70742-6_1