Bibliography

(eng): A fast and robust type of unsupervised multispectral texture segmentation method with unknown number of classes is presented. Single decorrelated monospectral texture factors are represented by four local autoregressive random field models recursively evaluated for each pixel and for each spectral band. The segmentation algorithm is based on the underlying Gaussian mixture model and starts with an oversegmented initial estimation which is adaptively modified until the optimal number of segments is found.

(cze): Článek představuje novou robustní metodu segmentace multispektrálních textur s neznámým počtem tříd. Jednotlivé dekorelované monospektrální složky jsou reprezentovány čtyřmi lokálními modely autoregresivních náhodných polí, které jsou rekurzivně identifikovány pro každý pixel a pro každé spektrální pásmo. Segmentační algoritmus je založen na gaussovském směsovém modelu a začíná s přesegmentovaným počátečním odhadem, který se adaptivně mění až do dosažení optimálního počtu segmentů.