Autor: Spurek, Przemysław - Katalog OPAC zbiorów

Skocz do pozycji: 1.

Tytuł:: Cross Entropy Clustering Approach to Iris Segmentation for Biometrics Purpose
Autorzy:: Misztal, Krzysztof
Saeed, Emil
Saeed, Khalid
Spurek, Przemysław
Tabor, Jacek
Powiązania:: https://bibliotekanauki.pl/articles/1373709.pdf
Data publikacji:: 2015
Wydawca:: Uniwersytet Jagielloński. Wydawnictwo Uniwersytetu Jagiellońskiego
Tematy:: CEC
cross entropy clustering
iris recognition
biometrics
Opis:: This work presents the step by step tutorial for how to use cross entropy clustering for the iris segmentation. We present the detailed construction of a suitable Gaussian model which best fits for in the case of iris images, and this is the novelty of the proposal approach. The obtained results are promising, both pupil and iris are extracted properly and all the information necessary for human identification and verification can be extracted from the found parts of the iris.
Źródło:: Schedae Informaticae; 2015, 24; 31-40
0860-0295
2083-8476
Pojawia się w:: Schedae Informaticae
Dostawca treści:: Biblioteka Nauki

Artykuł

Skocz do pozycji: 2.

Tytuł:: Cross-Entropy Based Image Thresholding
Autorzy:: Malik, Mateusz
Spurek, Przemysław
Tabor, Jacek
Powiązania:: https://bibliotekanauki.pl/articles/1373691.pdf
Data publikacji:: 2015
Wydawca:: Uniwersytet Jagielloński. Wydawnictwo Uniwersytetu Jagiellońskiego
Tematy:: Cross-Entropy Clustering
thresholding
binarization
Otsu
Opis:: This paper presents a novel global thresholding algorithm for the binarization of documents and gray-scale images using Cross-Entropy Clustering. In the first step, a gray-level histogram is constructed, and the Gaussian densities are fitted. The thresholds are then determined as the cross-points of the Gaussian densities. This approach automatically detects the number of components (the upper limit of Gaussian densities is required).
Źródło:: Schedae Informaticae; 2015, 24; 21-29
0860-0295
2083-8476
Pojawia się w:: Schedae Informaticae
Dostawca treści:: Biblioteka Nauki

Artykuł

Skocz do pozycji: 3.

Tytuł:: Subspace Memory Clustering
Autorzy:: Struski, Łukasz
Spurek, Przemysław
Tabor, Jacek
Powiązania:: https://bibliotekanauki.pl/articles/1373667.pdf
Data publikacji:: 2015
Wydawca:: Uniwersytet Jagielloński. Wydawnictwo Uniwersytetu Jagiellońskiego
Tematy:: subspace clustering
projection clustering
PCA
Opis:: We present a new subspace clustering method called SuMC (Subspace Memory Clustering), which allows to efficiently divide a dataset $D \subset \bbbR^N$ into $k \in \bbbN$ pairwise disjoint clusters of possibly different dimensions. Since our approach is based on the memory compression, we do not need to explicitly specify dimensions of groups: in fact we only need to specify the mean number of scalars which is used to describe a data-point. In the case of one cluster our method reduces to a classical Karhunen-Loeve (PCA) transform. We test our method on some typical data from UCI repository and on data coming from real-life experiments.
Źródło:: Schedae Informaticae; 2015, 24; 133-142
0860-0295
2083-8476
Pojawia się w:: Schedae Informaticae
Dostawca treści:: Biblioteka Nauki

Artykuł

Informacja