首页 | 本学科首页   官方微博 | 高级检索  
检索     
共有20条相似文献,以下是第1-20项 搜索用时 406 毫秒

1.  基于EMD分解的四元数域无监督纹理分割  
   崔峰  沈滨  彭思龙《计算机工程》,2006年第32卷第4期
   提出了一种基于EMD分解的四元数域无监督纹理分割方法。首先采用二维可分离EMD分解提高各图像成份的四元数Fourier频域特征的分离度,再使用四元数Gabor滤波器组进行解析特征提取,最后利用新的模糊c均值聚类评价函数实现无监督的纹理分割。实验结果验证了该方法的有效性。    

2.  基于EMD细化四元数谱的纹理分割  
   崔峰  沈滨  彭思龙《计算机应用》,2005年第25卷第3期
   提出一种基于EMD细化四元数谱的无监督纹理分割方法。创新之处在于:首先采用二维可分离EMD分解提高各图像成分的四元数Fourier频域特征的分离度;再使用四元数Gabor滤波器组进行解析特征提取;最后利用新的模糊C均值聚类评价函数实现无监督的纹理分割。实验结果证明了该方法的有效性。    

3.  基于Gabor小波变换的彩色图像分割  被引次数:1
   王广东  付永生《信息技术与信息化》,2004年第6卷第4期
   本文提出了一种基于Gabor小波变换的彩色图像分割方法,首先对彩色图像进行Gabor小波变换,然后进行特征提取,并采用动态聚类K-均值算法进行分类,最后得到图像分割的结果。实验和分析表明,该方法对于彩色自然图像的分割具有较好的效果。    

4.  基于均值漂移的自适应纹理图像分割方法  被引次数:2
   王 爽  夏 玉  焦李成《软件学报》,2010年第21卷第6期
   提出了一种基于小波多尺度分析和均值漂移的无监督纹理分割方法.该方法利用均值漂移聚类实现基于小波特征的完全无监督自适应多尺度分割,既不需要进行训练也不需要分割类别数等先验知识.该方法根据一定的策略在尺度间进行信息传递,自适应地为图像不同区域确定合适的分割尺度,即纹理内部区域使用粗尺度特征而不同纹理间的交界处使用较细尺度特征,这样就在保证区域一致性的同时更准确地定位图像边缘.对比实验结果表明,该方法在合成纹理和真实纹理图像中都有较好的性能,其多尺度的分割过程类似于人类视觉系统感知,并且较之有监督的传统分割方法也更具优势.    

5.  基于目标函数的直觉模糊聚类图像分割方法  
   向灿群  欧先锋  张国云  湛西羊  罗百通  潘建武  李交杰《成都电子机械高等专科学校学报》,2017年第20卷第3期
   针对模糊C-均值聚类分割算法易丢失图像细节的问题,提出一种改进的直觉模糊C-均值聚类算法.该算法将纹理特征和直觉指数引入到目标函数,并给出改进的聚类目标函数,对其聚类目标函数最优化推导并得到新的隶属度和聚类中心迭代表达式,并设计相应的图像分割算法,实验结果表明了算法的有效性.    

6.  自适应快速FCM彩色图像分割研究  被引次数:1
   陈骥思  余艳梅  殷宇  滕奇志《计算机工程与应用》,2010年第46卷第7期
   模糊C均值聚类算法(FCM)广泛用于彩色图像分割,但该算法存在需要预先指定聚类数目、计算量大、耗时长且易陷入局部最优等缺点。提出一种自适应快速模糊C均值彩色图像分割方法,该方法首先运用蚁群算法,自动获取初始聚类中心和聚类数目,然后使用基于梯度的分水岭算法对原始彩色图像进行预分割,得到一系列由色彩特征空间具有一致性的点构成的子集,最后对这些子集的中心进行模糊聚类。实验结果表明:由于子集数量远小于原始图像像素数目,使聚类样本数量显著减少,大大提高了聚类速度,同时在聚类中以特征距离代替欧式距离,增强了算法的鲁棒性。    

7.  基于改进模糊C均值的海面目标图像分割算法  
   任佳  张胜男  董超  赵敏钧《计算机工程与科学》,2019年第41卷第5期
   提出一种图像分割算法,解决水面无人艇在执行目标跟踪与识别任务过程中的图像快速准备分割问题。首先使用均值滤波算法对彩色的海洋背景图像进行滤波,同时利用其非参数性得到图像的聚类中心和类别数,并以此作为初始化参数进行图像的模糊C均值聚类,在此基础上进行大津法Otsu二值化处理实现目标提取。使用BSDS500标准数据集和海洋背景图像对算法的分割效果及效率进行验证,与传统的模糊C均值算法、脉冲耦合神经网络算法、自适应遗传算法以及马尔科夫随机场算法进行对比的结果显示了该算法的有效性。    

8.  基于多子空间KL变换的纹理图像自监督分割方法  
   王莉莉  杨跃东  高玉健《中国图象图形学报》,2007年第12卷第9期
   提出一种基于多子空间KL变换的纹理图像自监督分割方法。该方法将非监督聚类转变为有典型特征样本指导的自监督分类,解决误分类率高的问题。采用多子空间方法对样本进行特征选择,克服假设所有纹理特征都属于单个高斯分布的局限性。首先,对待分割图像进行多尺度、多方向的Gabor变换,使用模糊C均值方法从变换结果中提取具有典型性的样本作为训练样本;然后,使用训练样本为每一个类别生成一个单独的初始子空间;最后,采用多子空间KL变换,对其余样本在迭代过程中进行类别划分。实验结果证明,本文方法能够减少误分类率,改善分割效果。    

9.  基于特征加权的自适应FCM彩色图像分割算法  被引次数:1
   杨红颖  王向阳  王春花《计算机科学》,2009年第36卷第8期
   图像分割是模式识别、图像理解、计算机视觉等领域的重要研究内容.基于模糊C均值聚类(FCM)的图像分割是应用较为广泛的方法之一,但其存在需预先给出初始聚类数目,且要考虑各个特征对分类的不同影响等问题.通过引入ReliefF技术进行特征加权,结合聚类有效性指数自适应确定初始聚类数目、根据Laws纹理测度提取图像特征等措施,提出了一种新的FCM彩色图像分割算法.实验结果表明,该算法可以有效地提高图像分割效果,分割结果优于现有FCM图像分割方案.    

10.  基于分裂式K均值聚类的图像分割方法  被引次数:1
   张健  宋刚《计算机应用》,2011年第31卷第2期
   模糊C均值聚类(FCM)算法是一种有效的无监督图像分割方法,适用于任意分类数,不需要预知图像特征,但其聚类效果直接受待分类样本噪声和分类初始条件的影响。因此,提出了一种适用于彩色图像分割的分裂式K均值聚类(FKM)算法,该算法首先使用中值滤波对分类样本去噪,然后使用一种分裂聚类法对图像样本进行预分类,得到一组样本集初始划分,最后以这组划分为起点,使用基于概率距离的K均值聚类对图像分割进行迭代优化。实验结果表明,该算法可以避免FCM的误分类,诸如陷于中心死区、中心重叠和局部极小值,而且提高了分割速度。    

11.  改进FCM在交互式图像分割中的应用  
   依玉峰  高立群  郭丽《中国图象图形学报》,2012年第17卷第3期
   为解决由于自然纹理的干扰而导致的分割图像边缘模糊问题,对模糊C均值聚类算法进行改进并应用于交互式图像分割中。用户通过输入种子点来获得目标和背景的主要特征,并将输入的种子点作为聚类中心点;提出全局空间相似性度量标准并引入Gabor能量滤波器来计算图像中各点到聚类中心的距离;算法首次引入边缘密度概念定义权重因子,根据图像特点,自适应地计算图像中任意一点的纹理特征和颜色特征在特征空间中所占比例,使得到的特征更加准确地描述图像的本质属性。对具有自然纹理背景的图像进行仿真实验,应用两种性能指标来比较本文所提算法与随机游走算法的分割精度。实验结果表明,本文算法分割精度高于模糊聚类和随机游走算法。    

12.  基于粒子群模糊C-均值聚类的图像分割算法  被引次数:1
   李丽丽  李明  刘希玉《计算机工程与应用》,2009年第45卷第31期
   模糊C-均值(FCM)聚类算法是一种结合无监督聚类和模糊集合概念的图像分割技术,比较有效,但存在着受初始聚类中心和隶属度矩阵影响,可能收敛到局部极小的缺点。将粒子群优化算法(PSO)与模糊C-均值聚类算法相结合,实现了基于粒子群模糊C-均值聚类的图像分割算法。实验表明,该方法具有搜索全局最优解的能力,因而可得到很好的图像分割结果。    

13.  一种基于小波变换的无监督纹理分割算法  
   侯艳丽.杨国胜《计算机工程与应用》,2007年第43卷第34期
   提出了一种基于小波变换和均值偏移的无监督纹理图像分割算法。首先用小波变换对图像进行二级小波分解,然后用均值偏移算法估计出粗尺度上对应的聚类数目,并结合模糊c均值算法进行聚类,在此基础上,用定义的阈值函数和Fisher判据确定出细尺度上每个初始聚类中心的一个同组,从而实现图像的由粗到细的分割。实验结果表明,在分割精度相差不大的情况下,该方法解决了传统聚类方法所存在的需要聚类数目和对初始聚类中心敏感问题。    

14.  基于小波变换和KFCM的彩色图像分割  
   李志梅  肖德贵  王丽丽《计算机工程》,2009年第35卷第19期
   提出一种将小波变换和核模糊C均值聚类算法相结合的快速彩色图像分割算法。利用小波变换的多分辨率特性,在分辨率最大尺度上的LL子带进行均值漂移聚类,快速获得初始粗分割结果,在其基础上进行模糊核聚类分割,将上一层的结果用于下一层的初始化,重复至最低分辨率后用最小分类器对原始图像进行最终分割。实验结果证明,该算法分割速度快,对自然彩色图像的分割结果优于模糊C均值算法和均值漂移算法。    

15.  基于均值漂移和小波变换的彩色图像分割方法  
   王丽丽  陈瑞志  付世凤《信息与电脑》,2010年第6期
   提出一种新的彩色图像分割算法,该算法利用均值漂移算法进行初始分割,利用其分割结果确定模糊C均值聚类(FCM)算法的初始聚类中心和聚类数目,以提高FCM算法的收敛速度;利用小波变换的多分辨率特性,实现图像由粗到细的图像分割。    

16.  结合模糊聚类与区域合并的彩色图像分割方法  
   沈雪冰  刘峰《电视技术》,2015年第39卷第9期
   提出了一种结合模糊聚类与区域合并的无监督彩色图像分割方法.首先,根据彩色图像建立对应的三维直方图,运用爬山法得到初始聚类中心和聚类数;然后,运用基于空间邻域像素的模糊均值聚类算法对图像在颜色空间进行聚类,得到初始分割结果;最后,应用提出的区域合并算法合并图像初始分割结果得到最终分割图像.仿真结果表明,算法的分割结果与人的主观视觉也有较好的一致性.    

17.  基于S、V分量的模糊C均值彩色图像分割算法  
   申铉京  何月《吉林大学学报(工学版)》,2012年第Z1期
   针对彩色图像的分割问题,提出一种快速有效的彩色图像分割算法。基于彩色图像的HSV颜色空间,应用快速模糊C均值聚类算法,对彩色图像的S、V颜色分量进行聚类,综合考虑图像中目标彩色个数与得到的聚类中心完成对彩色图像的分割。实验结果表明,与其他彩色图像分割算法相比,本文算法可以准确地分割目标区域颜色不同的彩色图像,背景信息保留较少,运算速度受图像尺寸影响较小,可以得到理想的彩色图像分割结果。    

18.  基于改进FCM算法的彩色图像破损区域提取  
   刘照顺《四川建材学院学报》,2012年第1期
   现有的大部分图像修复技术需要人工确定待修复区域。结合改进的FCM算法提出了一种自适应提取彩色图像破损区域的方法。该方法可以自适应获取彩色图像初始聚类数目,并采用交叉熵距离测度进行FCM聚类,同时利用颜色和纹理特征向量对彩色图像进行分割,进而提取破损区域。实验结果表明,该方法不仅能够有效提取图像的破损区域,而且算法的普适度也得到了相应提高。与传统的FCM算法相比,本文方法对彩色图像的分割更易于实现,分割效果令人满意。    

19.  结合模糊聚类算法的图像分割方法  
   张勇昌《电脑开发与应用》,2011年第24卷第11期
   在介绍聚类分析原理的基础上,比较了几种聚类分割算法,得出了模糊C-均值聚类方法在图像分割中的优势。最后,基于排列组合熵和灰度特征,结合模糊C-均值聚类算法对图像纹理进行分割。实验结果表明,该方法既能快速地分割图像,又具有较好的抗噪能力,分割效果较为理想。    

20.  自适应模糊C均值聚类彩色图像分割方法  
   王婷婷  张晓庆《现代计算机》,2007年第6期
   模糊C均值聚类用于彩色图像分割具有简单直观,易于实现的特点,但存在聚类性能受中心点初始化影响且计算量大等问题,为此,提出一种自适应模糊C均值分割方法.算法根据人类的视觉特性,参照NBS距离与人类视觉对颜色差别的定量关系,结合具体图像的色彩分布,自动确定初始聚类中心及聚类数目,继而进行模糊C均值聚类.实验表明,该方法无需人为的干预,分割速度快,分割效果跟人的主观视觉感知保持了良好的一致性.    

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号