Abstract. Segmentation through seed

Abstract. Segmentation through seeded region growing is widely used
because it is fast, robust and free of tuning parameters. However, the
seeded region growing algorithm requires an automatic seed generator,
and has problems to label unconnected pixels (unconnected pixel prob-
lem). This paper introduces a new automatic seeded region growing algo-
rithm called ASRG-IB1 that performs the segmentation of color (RGB)
and multispectral images. The seeds are automatically generated via his-
togram analysis; the histogram of each band is analyzed to obtain inter-
vals of representative pixel values. An image pixel is considered seed if
its gray values for each band fall in some representative interval. After
that, our new seeded region growing algorithm is applied to segment the
image. This algorithm uses instance-based learning as distance criteria.
Finally, according to the user needs, the regions are merged using owner-
ship tables. The algorithm was tested on several leukemia medical images
showing good results.
Key words: Image Segmentation, Seeded Region Growing, Instance-
based learning, Color image, Multispectral image

Results (Indonesian) 1:

Abstrak. Segmentasi melalui wilayah buang bijinya tumbuh secara luas digunakankarena cepat, kuat dan bebas dari parameter tuning. Namun,wilayah buang bijinya tumbuh algoritma memerlukan sebuah benih otomatis generator,dan memiliki masalah untuk label piksel tidak terhubung (tidak terhubung pixel prob-lem). Makalah ini memperkenalkan daerah unggulan otomatis baru tumbuh algo-ritme yang disebut ASRG-IB1 yang melakukan segmentasi warna (RGB)dan multispectral gambar. Benih akan secara otomatis dihasilkan melalui nya-Analisis togram; histogram band masing-masing dianalisis untuk mendapatkan inter-Vals nilai-nilai piksel perwakilan. Piksel gambar dianggap benih jikanilai-nilai abu-abu untuk setiap band jatuh dalam interval beberapa perwakilan. Setelahitu, wilayah unggulan kami baru tumbuh algoritma diterapkan untuk segmengambar. Algoritma ini menggunakan pembelajaran berbasis contoh sebagai kriteria jarak.Akhirnya, sesuai dengan kebutuhan pengguna, daerah digabung menggunakan pemilik-kapal tabel. Algoritma diuji pada beberapa leukemia medis gambarMenampilkan hasil yang baik.Kata kunci: gambar segmentasi, buang bijinya tumbuh daerah, misalnya -Berdasarkan belajar, warna gambar, gambar Multispectral

Results (Indonesian) 2:

Abstrak. Segmentasi melalui diunggulkan tumbuh daerah banyak digunakan
karena cepat, kuat dan bebas dari parameter tuning. Namun,
wilayah unggulan tumbuh algoritma membutuhkan generator benih otomatis,
dan memiliki masalah untuk label piksel terhubung (tidak berhubungan pixel-masalah
lem). Makalah ini memperkenalkan daerah unggulan baru otomatis tumbuh algoritman
rithm disebut ASRG-IB1 yang melakukan segmentasi warna (RGB)
dan gambar multispektral. Benih-benih tersebut secara otomatis melalui his
analisis histogram; histogram dari masing-masing band dianalisa untuk mendapatkan antar
vals dari nilai-nilai pixel perwakilan. Sebuah pixel image dianggap benih jika
nilai abu-abu untuk setiap band jatuh beberapa interval perwakilan. Setelah
itu, wilayah algoritma unggulan baru kami yang berkembang diterapkan untuk segmen
gambar. Algoritma ini menggunakan pembelajaran berbasis misalnya sebagai kriteria jarak.
Akhirnya, sesuai dengan kebutuhan pengguna, daerah yang digabung menggunakan pemilik-
tabel kapal. Algoritma diuji pada beberapa gambar medis leukemia
menunjukkan hasil yang baik.
Kata kunci: Segmentasi Citra, Seeded Region Growing, misalnya-
based learning, gambar warna, Multispektral gambar