Kato Zoltan et al. Multiscale Markov random field models for parallel image classification. (1993) Megjelent: Fourth International Conference on Computer Vision, ICCV 1993 pp. 253-257, 1992868
Könyvrészlet/Konferenciaközlemény (Könyvrészlet)/Tudományos[1992868]
  1. Hoberg T et al. Conditional Random Fields for Multitemporal and Multiscale Classification of Optical Satellite Imagery. (2015) IEEE TRANSACTIONS ON GEOSCIENCE AND REMOTE SENSING 0196-2892 53 2 659-673
    Folyóiratcikk/Szakcikk (Folyóiratcikk)/Tudományos[24065153] [Admin láttamozott]
    Független, Idéző: 24065153, Kapcsolat: 25222949
  2. Hoberg T. Classification of multitemporal remote sensing data of different resolution using Conditional Random Fields. (2011) Megjelent: Proceedings of the IEEE International Conference on Computer Vision pp. 235-242
    Könyvrészlet[22386006] [Admin láttamozott]
    Független, Idéző: 22386006, Kapcsolat: 22386006
  3. Choi M et al. Gaussian multiresolution models: Exploiting sparse Markov and covariance structure. (2010) IEEE TRANSACTIONS ON SIGNAL PROCESSING 1053-587X 58 3 PART 1 1012-1024
    Folyóiratcikk[22386007] [Admin láttamozott]
    Független, Idéző: 22386007, Kapcsolat: 22386007
  4. Zhu J et al. Dynamic hierarchical Markov random fields for integrated web data extraction. (2008) JOURNAL OF MACHINE LEARNING RESEARCH 1532-4435 1533-7928 9 1583-1614
    Folyóiratcikk[22386008] [Admin láttamozott]
    Független, Idéző: 22386008, Kapcsolat: 22386008
  5. Li S. Ch. 13. Modeling image analysis problems using markov random fields. (2003) Megjelent: Handbook of Statistics pp. 473-513
    Könyvrészlet[22386009] [Admin láttamozott]
    Független, Idéző: 22386009, Kapcsolat: 22386009
  6. Frese T et al. Adaptive wavelet graph model for Bayesian tomographic reconstruction. (2002) IEEE TRANSACTIONS ON IMAGE PROCESSING 1057-7149 11 7 756-770
    Folyóiratcikk[22386010] [Admin láttamozott]
    Független, Idéző: 22386010, Kapcsolat: 22386010
  7. Belhumeur P. A bayesian approach to binocular stereopsis. (1996) INTERNATIONAL JOURNAL OF COMPUTER VISION 0920-5691 19 3 237-260
    Folyóiratcikk[22386011] [Admin láttamozott]
    Független, Idéző: 22386011, Kapcsolat: 22386011
Kato Zoltan. Parallel image classification using multiscale Markov random fields. (1993) Megjelent: ICASSP-93 pp. 137-140, 1992869
Könyvrészlet/Konferenciaközlemény (Könyvrészlet)/Tudományos[1992869]
  1. Li C. Multi-grid tomographic inversion for breast ultrasound imaging. (2012) Megjelent: Medical Imaging 2012: Ultrasonic Imaging, Tomography, and Therapy (Proceedings Volume) p. 912854
    Könyvrészlet[22386059] [Admin láttamozott]
    Független, Idéző: 22386059, Kapcsolat: 22386059
  2. Tekalp AM. Video Segmentation. (2009) Megjelent: The Essential Guide to Video Processing pp. 141-173
    Könyvrészlet[23687325] [Admin láttamozott]
    Független, Idéző: 23687325, Kapcsolat: 23687325
  3. Oh S et al. Multigrid tomographic inversion with variable resolution data and image spaces. (2006) IEEE TRANSACTIONS ON IMAGE PROCESSING 1057-7149 15 9 2805-2819
    Folyóiratcikk[22386060] [Admin láttamozott]
    Független, Idéző: 22386060, Kapcsolat: 22386060
  4. Tekalp AM. Video Segmentation. (2005) Megjelent: Handbook of Image and Video Processing pp. 471-489
    Könyvrészlet[23687326] [Admin láttamozott]
    Független, Idéző: 23687326, Kapcsolat: 23687326
  5. Fan G et al. Wavelet-based texture analysis and synthesis using hidden Markov models. (2003) IEEE TRANSACTIONS ON CIRCUITS AND SYSTEMS I - FUNDAMENTAL THEORY AND APPLICATIONS 1057-7122 1549-8328 50 1 106-120
    Folyóiratcikk[22386061] [Admin láttamozott]
    Független, Idéző: 22386061, Kapcsolat: 22386061
  6. Cheng H et al. Multiscale Bayesian segmentation using a trainable context model. (2001) IEEE TRANSACTIONS ON IMAGE PROCESSING 1057-7149 10 4 511-525
    Folyóiratcikk[22386062] [Admin láttamozott]
    Független, Idéző: 22386062, Kapcsolat: 22386062
  7. Fan G et al. A joint multicontext and multiscale approach to Bayesian image segmentation. (2001) IEEE TRANSACTIONS ON GEOSCIENCE AND REMOTE SENSING 0196-2892 39 12 2680-2688
    Folyóiratcikk[22386063] [Admin láttamozott]
    Független, Idéző: 22386063, Kapcsolat: 22386063
  8. Stiller C et al. Estimating motion in image sequences, a tutorial on modeling and computation of 2D motion. (1999) IEEE SIGNAL PROCESSING MAGAZINE 1053-5888 16 4 70-91
    Folyóiratcikk[22386064] [Admin láttamozott]
    Független, Idéző: 22386064, Kapcsolat: 22386064
  9. Malfait M et al. Wavelet-based image denoising using a Markov random field a priori model. (1997) IEEE TRANSACTIONS ON IMAGE PROCESSING 1057-7149 6 4 549-565
    Folyóiratcikk[22386065] [Admin láttamozott]
    Független, Idéző: 22386065, Kapcsolat: 22386065
Josiane Zerubia. Multi-Temperature Annealing: A New Approach for the Energy-Minimization of Hierarchical Markov Random Field Models. (1994) Megjelent: Proceedings of the 12th IAPR International Conference on Pattern Recognition (ICPR 1994) pp. 520-522, 2010252
Könyvrészlet/Konferenciaközlemény (Könyvrészlet)/Tudományos[2010252]
  1. Camilleri KP et al. Multiresolution elastic registration of head magnetic resonance images. (2004) Megjelent: Proceedings of the Second IASTED International Conference on Biomedical Engineering pp. 92-96
    Könyvrészlet[22716980] [Admin láttamozott]
    Független, Idéző: 22716980, Kapcsolat: 22716980
Berthod Marc. DPA: a deterministic approach to the MAP problem. (1995) IEEE TRANSACTIONS ON IMAGE PROCESSING 1057-7149 4 9 1312-1314, 1992865
Folyóiratcikk/Rövid közlemény (Folyóiratcikk)/Tudományos[1992865]
  1. Zhu M et al. A point pattern matching algorithm based on QR decomposition. (2014) OPTIK: INTERNATIONAL JOURNAL FOR LIGHT AND ELECTRON OPTICS 0030-4026 125 14 3485-3490
    Folyóiratcikk/Tudományos[25222945] [Admin láttamozott]
    Független, Idéző: 25222945, Kapcsolat: 25222945
  2. Liang D et al. Point pattern matching based on spectra of directed graphs. (2011) CHINESE JOURNAL OF ELECTRONICS 1022-4653 20 4 662-666
    Folyóiratcikk[22384001] [Admin láttamozott]
    Független, Idéző: 22384001, Kapcsolat: 22384001
  3. Levada A et al. GSAShrink: A novel iterative approach for wavelet-based image denoising. (2009) Megjelent: Proceedings of SIBGRAPI 2009 - 22nd Brazilian Symposium on Computer Graphics and Image Processing pp. 156-163
    Egyéb konferenciaközlemény[22384002] [Admin láttamozott]
    Független, Idéző: 22384002, Kapcsolat: 22384002
  4. Zhao X et al. A dynamic generating graphical model for point-sets matching. (2007) APPLIED MATHEMATICS AND COMPUTATION 0096-3003 1873-5649 185 2 1109-1119
    Folyóiratcikk[22384003] [Admin láttamozott]
    Független, Idéző: 22384003, Kapcsolat: 22384003
  5. Sineva I et al. Split method for assessing real images as Markov random field. (1998) Megjelent: Proceedings of SPIE - The International Society for Optical Engineering pp. 64-81
    Egyéb konferenciaközlemény[22384004] [Admin láttamozott]
    Független, Idéző: 22384004, Kapcsolat: 22384004
  6. Rosenfeld A. Image Analysis and Computer Vision: 1995. (1996) COMPUTER VISION AND IMAGE UNDERSTANDING 1077-3142 63 3 568-602
    Folyóiratcikk[22384005] [Admin láttamozott]
    Független, Idéző: 22384005, Kapcsolat: 22384005
Kato Zoltan. Unsupervised adaptive image segmentation. (1995) Megjelent: ICASSP-95 pp. 2399-2402, 1992866
Könyvrészlet/Konferenciaközlemény (Könyvrészlet)/Tudományos[1992866]
  1. Alata O et al. Unsupervised textured image segmentation using 2-D quarter plane autoregressive model with four prediction supports. (2005) PATTERN RECOGNITION LETTERS 0167-8655 26 8 1069-1081
    Folyóiratcikk[22385128] [Admin láttamozott]
    Független, Idéző: 22385128, Kapcsolat: 22385128
  2. Kim W. Detection of spot-type defects on liquid crystal display modules. (2004) KEY ENGINEERING MATERIALS 1013-9826 1662-9795 270-273 I 808-813
    Folyóiratcikk[22385129] [Admin láttamozott]
    Független, Idéző: 22385129, Kapcsolat: 22385129
Kato Zoltan. Unsupervised parallel image classification using a hierarchical Markovian model. (1995) Megjelent: Proceedings of the 5th International Conference on Computer Vision pp. 169-174, 1992867
Könyvrészlet/Konferenciaközlemény (Könyvrészlet)/Tudományos[1992867]
  1. Gaetano R et al. Hierarchical texture-based segmentation of multiresolution remote-sensing images. (2009) IEEE TRANSACTIONS ON GEOSCIENCE AND REMOTE SENSING 0196-2892 47 7 2129-2141
    Folyóiratcikk[22385953] [Admin láttamozott]
    Független, Idéző: 22385953, Kapcsolat: 22385953
  2. Tseng V. A new method for image classification by using multilevel association rules. (2005) Megjelent: Proceedings - International Workshop on Biomedical Data Engineering, BMDE2005 p. 1180
    Könyvrészlet[22385954] [Admin láttamozott]
    Független, Idéző: 22385954, Kapcsolat: 22385954
  3. Mignotte M et al. Sonar image segmentation using an unsupervised hierarchical MRF model. (2000) IEEE TRANSACTIONS ON IMAGE PROCESSING 1057-7149 9 7 1216-1231
    Folyóiratcikk[22385956] [Admin láttamozott]
    Független, Idéző: 22385956, Kapcsolat: 22385956
Berthod M et al. Bayesian image classification using Markov random fields. (1996) IMAGE AND VISION COMPUTING 0262-8856 14 4 285-295, 1992863
Folyóiratcikk/Szakcikk (Folyóiratcikk)/Tudományos[1992863]
  1. Zhang Ce et al. VPRS-Based Regional Decision Fusion of CNN and MRF Classifications for Very Fine Resolution Remotely Sensed Images. (2018) IEEE TRANSACTIONS ON GEOSCIENCE AND REMOTE SENSING 0196-2892 56 8 4507-4521
    Folyóiratcikk/Szakcikk (Folyóiratcikk)/Tudományos[27569443] [Érvényesített]
    Független, Idéző: 27569443, Kapcsolat: 27569443
  2. Bertozzi Andrea L et al. Uncertainty Quantification in Graph-Based Classification of High Dimensional Data. (2018) SIAM/ASA JOURNAL ON UNCERTAINTY QUANTIFICATION 2166-2525 6 2 568-595
    Folyóiratcikk/Szakcikk (Folyóiratcikk)/Tudományos[27569445] [Érvényesített]
    Független, Idéző: 27569445, Kapcsolat: 27569445
  3. Wei Jujie et al. The Automatic Detection of Fire Scar in Alaska using Multi-Temporal PALSAR Polarimetric SAR Data. (2018) CANADIAN JOURNAL OF REMOTE SENSING 0703-8992 1712-7971 44 5 447-461
    Folyóiratcikk/Szakcikk (Folyóiratcikk)/Tudományos[30966514] [Érvényesített]
    Független, Idéző: 30966514, Kapcsolat: 28497400
  4. Zhao Ji et al. Spectral-spatial classification of hyperspectral imagery with cooperative game. (2018) ISPRS JOURNAL OF PHOTOGRAMMETRY AND REMOTE SENSING 0924-2716 135 31-42
    Folyóiratcikk/Szakcikk (Folyóiratcikk)/Tudományos[27317384] [Érvényesített]
    Független, Idéző: 27317384, Kapcsolat: 27317384
  5. Polewski Przemyslaw et al. Learning a constrained conditional random field for enhanced segmentation of fallen trees in ALS point clouds. (2018) ISPRS JOURNAL OF PHOTOGRAMMETRY AND REMOTE SENSING 0924-2716 140 33-44
    Folyóiratcikk/Szakcikk (Folyóiratcikk)/Tudományos[27569444] [Érvényesített]
    Független, Idéző: 27569444, Kapcsolat: 27569444
  6. West Brendan A. et al. Improved workflow for unguided multiphase image segmentation. (2018) COMPUTERS & GEOSCIENCES 0098-3004 118 91-99
    Folyóiratcikk/Szakcikk (Folyóiratcikk)/Tudományos[30526838] [Érvényesített]
    Független, Idéző: 30526838, Kapcsolat: 27975501
  7. Gegiuc Alexandru et al. Estimation of degree of sea ice ridging based on dual-polarized C-band SAR data. (2018) CRYOSPHERE 1994-0416 1994-0424 12 1 343-364
    Folyóiratcikk/Szakcikk (Folyóiratcikk)/Tudományos[27317383] [Érvényesített]
    Független, Idéző: 27317383, Kapcsolat: 27317383
  8. Marbouti Marjan et al. AUTOMATED SEA ICE CLASSIFICATION OVER THE BALTIC SEA USING MULTIPARAMETRIC FEATURES OF TANDEM-X INSAR IMAGES. (2018) Megjelent: IGARSS 2018 - 2018 IEEE INTERNATIONAL GEOSCIENCE AND REMOTE SENSING SYMPOSIUM pp. 7328-7331
    Könyvrészlet/Tudományos[30526834] [Érvényesített]
    Független, Idéző: 30526834, Kapcsolat: 27975498
  9. Zhang Ce et al. An object-based convolutional neural network (OCNN) for urban land use classification. (2018) REMOTE SENSING OF ENVIRONMENT 0034-4257 216 57-70
    Folyóiratcikk/Szakcikk (Folyóiratcikk)/Tudományos[30526837] [Érvényesített]
    Független, Idéző: 30526837, Kapcsolat: 27975500
  10. Lv Xianwei et al. A New Method for Region-Based Majority Voting CNNs for Very High Resolution Image Classification. (2018) REMOTE SENSING 2072-4292 10 12
    Folyóiratcikk/Szakcikk (Folyóiratcikk)/Tudományos[30526833] [Érvényesített]
    Független, Idéző: 30526833, Kapcsolat: 27975497
  11. Safonov Ilia et al. Algorithms for 3D Particles Characterization Using X-Ray Microtomography in Proppant Crush Test. (2018) JOURNAL OF IMAGING 2313-433X 4 11
    Folyóiratcikk/Szakcikk (Folyóiratcikk)/Tudományos[30526836] [Érvényesített]
    Független, Idéző: 30526836, Kapcsolat: 27975499
  12. Deboodt Tyler et al. Quantification of synthesized hydration products using synchrotron microtomography and spectral analysis. (2017) CONSTRUCTION AND BUILDING MATERIALS 0950-0618 157 476-488
    Folyóiratcikk/Szakcikk (Folyóiratcikk)/Tudományos[27083611] [Jóváhagyott]
    Független, Idéző: 27083611, Kapcsolat: 27083611
  13. Keyes Samuel David et al. An Explicit Structural Model of Root Hair and Soil Interactions Parameterised by Synchrotron X-ray Computed Tomography. (2017) BULLETIN OF MATHEMATICAL BIOLOGY 0092-8240 1522-9602 79 12 2785-2813
    Folyóiratcikk/Szakcikk (Folyóiratcikk)/Tudományos[27083613] [Jóváhagyott]
    Független, Idéző: 27083613, Kapcsolat: 27083613
  14. Hagenmuller Pascal et al. Sensitivity of snow density and specific surface area measured by microtomography to different image processing algorithms. (2016) CRYOSPHERE 1994-0416 1994-0424 10 3 1039-1054
    Folyóiratcikk/Szakcikk (Folyóiratcikk)/Tudományos[26039266] [Jóváhagyott]
    Független, Idéző: 26039266, Kapcsolat: 26039266
  15. Chauhan Swarup et al. Phase segmentation of X-ray computer tomography rock images using machine learning techniques: an accuracy and performance study. (2016) SOLID EARTH (SE) 1869-9510 1869-9529 7 4 1125-1139
    Folyóiratcikk/Szakcikk (Folyóiratcikk)/Tudományos[26227156] [Jóváhagyott]
    Független, Idéző: 26227156, Kapcsolat: 26227156
  16. Bezuglov D. Contour detection based on wavelet differentiation. (2016) PROCEEDINGS OF SPIE - THE INTERNATIONAL SOCIETY FOR OPTICAL ENGINEERING 0277-786X 1996-756X 9869 Baltimore
    Folyóiratcikk/Konferenciaközlemény (Folyóiratcikk)/Tudományos[26227157] [Jóváhagyott]
    Független, Idéző: 26227157, Kapcsolat: 26227157
  17. Tang Yunwei et al. A multiple-point spatially weighted k-NN classifier for remote sensing. (2016) INTERNATIONAL JOURNAL OF REMOTE SENSING 0143-1161 1366-5901 37 18 4441-4459
    Folyóiratcikk/Szakcikk (Folyóiratcikk)/Tudományos[26227158] [Jóváhagyott]
    Független, Idéző: 26227158, Kapcsolat: 26227158
  18. Pérez-Aguila R et al. Novel representation of multidimensional datasets: The framework nD-EVM/kohonen. (2015) IAENG International Journal of Computer Science 1819-9224 42 2 85-94
    Folyóiratcikk/Tudományos[25218551] [Admin láttamozott]
    Független, Idéző: 25218551, Kapcsolat: 25218551
  19. Karvonen J. Evaluation of the operational SAR based Baltic Sea ice concentration products. (2015) ADVANCES IN SPACE RESEARCH 0273-1177 56 1 119-132
    Folyóiratcikk/Tudományos[25218552] [Admin láttamozott]
    Független, Idéző: 25218552, Kapcsolat: 25218552
  20. Subudhi BN et al. Edge Preserving Region Growing for Aerial Color Image Segmentation. (2015) ADVANCES IN INTELLIGENT SYSTEMS AND COMPUTING 2194-5357 2194-5365 1860-0794 1615-3871 309 AISC VOLUME 2 481-488
    Folyóiratcikk/Tudományos[25218553] [Admin láttamozott]
    Független, Idéző: 25218553, Kapcsolat: 25218553
  21. Perez-Aguila Ricardo. Concise and Accessible Representations for Multidimensional Datasets: Introducing a Framework Based on the nD-EVM and Kohonen Networks. (2015) APPLIED COMPUTATIONAL INTELLIGENCE AND SOFT COMPUTING 1687-9724 1687-9732 online p. 1
    Folyóiratcikk/Szakcikk (Folyóiratcikk)/Tudományos[25456128] [Jóváhagyott]
    Független, Idéző: 25456128, Kapcsolat: 25456128
  22. Jan J. Combined bone lesion analysis in 3D CT data of vertebrae. (2015) IEEE PROCEEDINGS ENGINEERING IN MEDICINE AND BIOLOGY SOCIETY 1557-170X Milan 6374-6377
    Folyóiratcikk/Konferenciaközlemény (Folyóiratcikk)/Tudományos[25797666] [Jóváhagyott]
    Független, Idéző: 25797666, Kapcsolat: 25797666
  23. B Antal. Classifier ensemble creation via false labelling. (2015) KNOWLEDGE-BASED SYSTEMS 0950-7051 89 278-287
    Folyóiratcikk/Szakcikk (Folyóiratcikk)/Tudományos[2918946] [Jóváhagyott]
    Független, Idéző: 2918946, Kapcsolat: 25218554
  24. Sheppard A et al. Techniques in helical scanning, dynamic imaging and image segmentation for improved quantitative analysis with X-ray micro-CT. (2014) NUCLEAR INSTRUMENTS & METHODS IN PHYSICS RESEARCH SECTION B-BEAM INTERACTIONS WITH MATERIALS AND ATOMS 0168-583X 1872-9584 324 49-56
    Folyóiratcikk/Tudományos[25218555] [Admin láttamozott]
    Független, Idéző: 25218555, Kapcsolat: 25218555
  25. Ortiz A et al. Improving MR brain image segmentation using self-organising maps and entropy-gradient clustering. (2014) INFORMATION SCIENCES 0020-0255 262 117-136
    Folyóiratcikk/Tudományos[23687280] [Admin láttamozott]
    Független, Idéző: 23687280, Kapcsolat: 23687280
  26. Schlüter S et al. Image processing of multiphase images obtained via X-ray microtomography: A review. (2014) WATER RESOURCES RESEARCH 0043-1397 1944-7973 50 4 3615-3639
    Folyóiratcikk/Tudományos[25218557] [Admin láttamozott]
    Független, Idéző: 25218557, Kapcsolat: 25218557
  27. Lorencik D et al. Cloud-based object recognition: A system proposal. (2014) ADVANCES IN INTELLIGENT SYSTEMS AND COMPUTING 2194-5357 2194-5365 1860-0794 1615-3871 274 707-715
    Folyóiratcikk/Tudományos[25218558] [Admin láttamozott]
    Független, Idéző: 25218558, Kapcsolat: 25218558
  28. Karvonen J. A sea ice concentration estimation algorithm utilizing radiometer and SAR data. (2014) CRYOSPHERE 1994-0416 1994-0424 8 5 1639-1650
    Folyóiratcikk/Tudományos[25218559] [Admin láttamozott]
    Független, Idéző: 25218559, Kapcsolat: 25218559
  29. Ju Y et al. 3D numerical reconstruction of well-connected porous structure of rock using fractal algorithms. (2014) COMPUTER METHODS IN APPLIED MECHANICS AND ENGINEERING 0045-7825 279 212-226
    Folyóiratcikk/Tudományos[25218560] [Admin láttamozott]
    Független, Idéző: 25218560, Kapcsolat: 25218560
  30. Ortiz A et al. Two fully-unsupervised methods for MR brain image segmentation using SOM-based strategies. (2013) APPLIED SOFT COMPUTING 1568-4946 13 5 2668-2682
    Folyóiratcikk/Tudományos[23687281] [Admin láttamozott]
    Független, Idéző: 23687281, Kapcsolat: 23687281
  31. Laible S. Terrain classification with conditional random fields on fused 3D LIDAR and camera data. (2013) Megjelent: 2013 6th European Conference on Mobile Robots, ECMR 2013 pp. 172-177
    Könyvrészlet/Konferenciaközlemény (Könyvrészlet)/Tudományos[25218561] [Admin láttamozott]
    Független, Idéző: 25218561, Kapcsolat: 25218561
  32. Hapca SM et al. New Local Thresholding Method for Soil Images by Minimizing Grayscale Intra-Class Variance. (2013) VADOSE ZONE JOURNAL 1539-1663 12 3
    Folyóiratcikk[23359055] [Admin láttamozott]
    Független, Idéző: 23359055, Kapcsolat: 23359055
  33. Tang Y et al. Multiple-point geostatistical simulation for post-processing a remotely sensed land cover classification. (2013) SPATIAL STATISTICS 2211-6753 5 1 69-84
    Folyóiratcikk/Tudományos[25218562] [Admin láttamozott]
    Független, Idéző: 25218562, Kapcsolat: 25218562
  34. Duan H et al. Influence of clique potential parameters on classification using Bayesian MRF model for remote sensing image in Dali Erhai basin. (2013) ADVANCED MATERIALS RESEARCH 1022-6680 1662-8985 658 508-512
    Folyóiratcikk[23687282] [Admin láttamozott]
    Független, Idéző: 23687282, Kapcsolat: 23687282
  35. Ortiz A et al. Improving MRI segmentation with probabilistic GHSOM and multiobjective optimization. (2013) NEUROCOMPUTING 0925-2312 114 118-131
    Folyóiratcikk/Tudományos[23687283] [Admin láttamozott]
    Független, Idéző: 23687283, Kapcsolat: 23687283
  36. Shao Q et al. Hierarchical CodeBook for background subtraction in MRF. (2013) INFRARED PHYSICS & TECHNOLOGY 1350-4495 61 259-264
    Folyóiratcikk/Tudományos[23687284] [Admin láttamozott]
    Független, Idéző: 23687284, Kapcsolat: 23687284
  37. Pérez-Aguila R. Enhancing brain tissue segmentation and image classification via 1D Kohonen Networks and discrete compactness: An experimental study. (2013) ENGINEERING LETTERS 1816-093X 21 4 171-180
    Folyóiratcikk/Tudományos[23687285] [Admin láttamozott]
    Független, Idéző: 23687285, Kapcsolat: 23687285
  38. Thoonen G et al. Classification of heathland vegetation in a hierarchical contextual framework. (2013) INTERNATIONAL JOURNAL OF REMOTE SENSING 0143-1161 1366-5901 34 1 96-111
    Folyóiratcikk[22717403] [Admin láttamozott]
    Független, Idéző: 22717403, Kapcsolat: 22717403
  39. Antal B et al. An unsupervised ensemble-based markov random field approach to microscope cell image segmentation. (2013) Megjelent: 10th Int. Conf. on Signal Processing and Multimedia Applications, SIGMAP 2013 and 10th Int. Conf. on Wireless Information Netwo... pp. 94-99
    Könyvrészlet/Konferenciaközlemény (Könyvrészlet)/Tudományos[23687286] [Admin láttamozott]
    Független, Idéző: 23687286, Kapcsolat: 23687286
  40. Peter R et al. 3D CT spine data segmentation and analysis of vertebrae bone lesions. (2013) Megjelent: 2013 35th Annual International Conference of the IEEE Engineering in Medicine and Biology Society, EMBC 2013 pp. 2376-2379
    Könyvrészlet/Konferenciaközlemény (Könyvrészlet)/Tudományos[23687287] [Admin láttamozott]
    Független, Idéző: 23687287, Kapcsolat: 23687287
  41. Kulkarni R et al. Three-dimensional multiphase segmentation of X-ray CT data of porous materials using a Bayesian Markov random field framework. (2012) VADOSE ZONE JOURNAL 1539-1663 11 1
    Folyóiratcikk[22383686] [Admin láttamozott]
    Független, Idéző: 22383686, Kapcsolat: 22383686
  42. Ortiz A et al. Optimized segmentation of brain MRI using GHSOM and evolutive computing. (2012) FRONTIERS IN ARTIFICIAL INTELLIGENCE AND APPLICATIONS 0922-6389 1879-8314 243 2232-2240
    Folyóiratcikk[23687288] [Admin láttamozott]
    Független, Idéző: 23687288, Kapcsolat: 23687288
  43. Hou B et al. MPM SAR Image Segmentation Using Feature Extraction and Context Model. (2012) IEEE GEOSCIENCE AND REMOTE SENSING LETTERS 1545-598X 9 6 1041-1045
    Folyóiratcikk[23359057] [Admin láttamozott]
    Független, Idéző: 23359057, Kapcsolat: 23359057
  44. Schäfer S et al. Motion compensation of ultrasonic perfusion images. (2012) Megjelent: Progress in Biomedical Optics and Imaging - Proceedings of SPIE
    Egyéb konferenciaközlemény[22383688] [Admin láttamozott]
    Független, Idéző: 22383688, Kapcsolat: 22383688
  45. Rukletsov A. A Hybrid Segmentation Method using MRF and GVF Snakes. (2012) PROCEEDINGS OF SPIE - THE INTERNATIONAL SOCIETY FOR OPTICAL ENGINEERING 0277-786X 1996-756X 8334
    Folyóiratcikk[22717404] [Admin láttamozott]
    Független, Idéző: 22717404, Kapcsolat: 22717404
  46. Ibragimov B et al. A Game-Theoretic Framework for Landmark-Based Image Segmentation. (2012) IEEE TRANSACTIONS ON MEDICAL IMAGING 0278-0062 1558-0062 31 9 1761-1776
    Folyóiratcikk[23359059] [Admin láttamozott]
    Független, Idéző: 23359059, Kapcsolat: 23359059
  47. Wang C. Robust automated tumour segmentation on histological and immunohistochemical tissue images. (2011) PLOS ONE 1932-6203 1932-6203 6 2
    Folyóiratcikk[22383689] [Admin láttamozott]
    Független, Idéző: 22383689, Kapcsolat: 22383689
  48. Bo S. On the partition of classes for specific class extraction from remote sensing imagery. (2011) Megjelent: 2011 IEEE 3rd International Conference on Communication Software and Networks, ICCSN 2011 pp. 167-170
    Egyéb konferenciaközlemény[22383690] [Admin láttamozott]
    Független, Idéző: 22383690, Kapcsolat: 22383690
  49. Rodríguez-López V. Leukocytes classification using bayesian networks. (2011) Megjelent: ICAART 2011 - Proceedings of the 3rd International Conference on Agents and Artificial Intelligence pp. 681-684
    Egyéb konferenciaközlemény[22383691] [Admin láttamozott]
    Független, Idéző: 22383691, Kapcsolat: 22383691
  50. Liu F et al. Image segmentation using energy minimization and Markov random fields. (2011) Megjelent: 2011 International Conference on Computer and Management, CAMAN 2011
    Egyéb konferenciaközlemény[22383692] [Admin láttamozott]
    Független, Idéző: 22383692, Kapcsolat: 22383692
  51. Mei T. Hierarchical region based Markov random field for image segmentation. (2011) Megjelent: 2011 International Conference on Remote Sensing, Environment and Transportation Engineering, RSETE 2011 - Proceedings pp. 381-384
    Egyéb konferenciaközlemény[22383693] [Admin láttamozott]
    Független, Idéző: 22383693, Kapcsolat: 22383693
  52. Vaz C et al. Evaluation of an advanced benchtop Micro-Computed Tomography system for quantifying porosities and pore-size distributions of two Brazilian Oxisols. (2011) SOIL SCIENCE SOCIETY OF AMERICA JOURNAL 0361-5995 1435-0661 75 3 832-841
    Folyóiratcikk[22383694] [Admin láttamozott]
    Független, Idéző: 22383694, Kapcsolat: 22383694
  53. Auroux D et al. Contour detection and completion for inpainting and segmentation based on topological gradient and fast marching algorithms. (2011) INTERNATIONAL JOURNAL OF BIOMEDICAL IMAGING 1687-4188 1687-4196 2011
    Folyóiratcikk[22383695] [Admin láttamozott]
    Független, Idéző: 22383695, Kapcsolat: 22383695
  54. Xu H. A novel decision-level fusion segmentation approach of SAR and optical images. (2011) CHINESE JOURNAL OF ELECTRONICS 1022-4653 20 4 750-754
    Folyóiratcikk[22383696] [Admin láttamozott]
    Független, Idéző: 22383696, Kapcsolat: 22383696
  55. Thoonen G. Using patch metrics as validation for contextual classification of heathland vegetation. (2010) Megjelent: Geographic Object-Based Image Analysis, GEOBIA 2010
    Egyéb konferenciaközlemény/Konferenciaközlemény (Egyéb konferenciaközlemény)/Tudományos[25218563] [Admin láttamozott]
    Független, Idéző: 25218563, Kapcsolat: 25218563
  56. Zhang L et al. Target segmentation for SAR images based on global maxflow neighbor region grow algorithm. (2010) Nanjing Hangkong Hangtian Daxue Xuebao/Journal of Nanjing University of Aeronautics and Astronautics 42 6 764-768
    Folyóiratcikk[22383697] [Admin láttamozott]
    Független, Idéző: 22383697, Kapcsolat: 22383697
  57. Wu M. Spatio-temporal context for codebook-based dynamic background subtraction. (2010) AEU - International Journal of Electronics and Communications 64 8 739-747
    Folyóiratcikk[22383698] [Admin láttamozott]
    Független, Idéző: 22383698, Kapcsolat: 22383698
  58. Lopez-Espinoza ED et al. Reference Fields Analysis of a Markov Random Field Model to Improve Image Segmentation. (2010) JOURNAL OF APPLIED RESEARCH AND TECHNOLOGY 1665-6423 8 2 260-273
    Folyóiratcikk[21687673] [Admin láttamozott]
    Független, Idéző: 21687673, Kapcsolat: 22383699
  59. Burget R. RapidMiner Image Processing Extension: A Platform for Collaborative Research. (2010) Megjelent: TSP 2010: 33RD INTERNATIONAL CONFERENCE ON TELECOMMUNICATIONS AND SIGNAL PROCESSING pp. 114-118
    Könyvrészlet[22717405] [Admin láttamozott]
    Független, Idéző: 22717405, Kapcsolat: 22717405
  60. Burget R. RapidMiner image processing extension: A platform for collaborative research. (2010) Megjelent: 33rd International Conference on Telecommunications and Signal Processing, TSP 2010 pp. 114-118
    Egyéb konferenciaközlemény/Konferenciaközlemény (Egyéb konferenciaközlemény)/Tudományos[25218564] [Admin láttamozott]
    Független, Idéző: 25218564, Kapcsolat: 25218564
  61. Bruno J. Development of a membrane-bound random DNA sequence combinatorial array recognition surface (CARS). (2010) JOURNAL OF BIOMOLECULAR TECHNIQUES 1524-0215 21 1 35-43
    Folyóiratcikk[22383700] [Admin láttamozott]
    Független, Idéző: 22383700, Kapcsolat: 22383700
  62. Mesev V. Classification of Urban Areas: Inferring Land Use from the Interpretation of Land Cover. (2010) Megjelent: REMOTE SENSING OF URBAN AND SUBURBAN AREAS pp. 141-164
    Könyvrészlet[22717406] [Admin láttamozott]
    Független, Idéző: 22717406, Kapcsolat: 22717406
  63. Pérez-Aguila R. Automatic segmentation and classification of computed tomography brain images: An approach using one-dimensional Kohonen networks. (2010) IAENG International Journal of Computer Science 1819-9224 37 1
    Folyóiratcikk[22383701] [Admin láttamozott]
    Független, Idéző: 22383701, Kapcsolat: 22383701
  64. Hua Z et al. Asymmetric support vector machine for the classification problem with asymmetric cost of misclassification. (2010) INTERNATIONAL JOURNAL OF INNOVATIVE COMPUTING INFORMATION AND CONTROL 1349-4198 6 12 5597-5608
    Folyóiratcikk[22383702] [Admin láttamozott]
    Független, Idéző: 22383702, Kapcsolat: 22383702
  65. Li Z. An unsupervised model for image classification. (2010) Megjelent: IASP 10 - 2010 International Conference on Image Analysis and Signal Processing pp. 38-42
    Egyéb konferenciaközlemény[22383703] [Admin láttamozott]
    Független, Idéző: 22383703, Kapcsolat: 22383703
  66. Levada A et al. A novel MAP-MRF approach for multispectral image contextual classification using combination of suboptimal iterative algorithms. (2010) PATTERN RECOGNITION LETTERS 0167-8655 31 13 1795-1808
    Folyóiratcikk[22383704] [Admin láttamozott]
    Független, Idéző: 22383704, Kapcsolat: 22383704
  67. Li Z. A multiphase image classification model based on level set. (2010) Megjelent: 2nd International Conference on Information Engineering and Computer Science - Proceedings, ICIECS 2010
    Egyéb konferenciaközlemény[22383705] [Admin láttamozott]
    Független, Idéző: 22383705, Kapcsolat: 22383705
  68. Wang C. A bayesian learning application to automated tumour segmentation for tissue microarray analysis. (2010) Megjelent: Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinforma... pp. 100-107
    Egyéb konferenciaközlemény[22383706] [Admin láttamozott]
    Független, Idéző: 22383706, Kapcsolat: 22383706
  69. Bo SK. The Effect of Partitioning of Feature Space on Specific Class Extraction Based on Bayesian Decision. (2009) Megjelent: PROCEEDINGS OF THE 2009 2ND INTERNATIONAL CONGRESS ON IMAGE AND SIGNAL PROCESSING, VOLS 1-9 pp. 2697-2700
    Könyvrészlet[22717408] [Admin láttamozott]
    Független, Idéző: 22717408, Kapcsolat: 22717408
  70. Driesen J. Spatial hyperspectral image classification by prior segmentation. (2009) Megjelent: International Geoscience and Remote Sensing Symposium (IGARSS) pp. III709-III712
    Egyéb konferenciaközlemény[22383708] [Admin láttamozott]
    Független, Idéző: 22383708, Kapcsolat: 22383708
  71. Iassonov P et al. Segmentation of X-ray computed tomography images of porous materials: A crucial step for characterization and quantitative analysis of pore structures. (2009) WATER RESOURCES RESEARCH 0043-1397 1944-7973 45
    Folyóiratcikk/Tudományos[21432269] [Jóváhagyott]
    Független, Idéző: 21432269, Kapcsolat: 22383709
  72. Levada ALM et al. Pseudo-likelihood equations for Potts model on higher-order neighborhood systems: A quantitative approach for parameter estimation in image analysis. (2009) BRAZILIAN JOURNAL OF PROBABILITY AND STATISTICS 0103-0752 23 2 120-140
    Folyóiratcikk[22435862] [Admin láttamozott]
    Független, Idéző: 22435862, Kapcsolat: 22435862
2020-08-15 16:39