首页 | 本学科首页   官方微博 | 高级检索  
文章检索
  按 检索   检索词:      
出版年份:   被引次数:   他引次数: 提示:输入*表示无穷大
  收费全文   2篇
  完全免费   1篇
  自动化技术   3篇
  2016年   1篇
  2011年   1篇
  2009年   1篇
排序方式: 共有3条查询结果,搜索用时 31 毫秒
1
1.
各向异性权重的模糊C均值聚类图像分割   总被引:7,自引:0,他引:7  
传统的模糊C均值聚类算法(FCM)在图像分割中未考虑各个点的灰度特征及其邻域像素的关联程度,导致其对于噪声十分敏感.而各种改进算法虽然较好地克服了图像噪声的影响,但由于使用均值滤波等方法导致分割图像边缘模糊.为此,提出一种基于各向异性权重的FCM图像分割方法,通过引入新的邻域窗口权重的计算方法,使得中心点邻域内各点具有各向异性的权重;并使用基于灰度级的快速算法,提出了各向异性权重的模糊C均值聚类算法.实验结果表明,文中方法具有较强的抗噪性,对于噪声具有良好的稳定性,分割精度较高.  相似文献
2.
提出一种基于无监督模糊C均值聚类的彩色自然图像分割算法。使用置信区间交集准则自适应得到Gabor滤波器中各个像素点对应的尺度,并以该自适应尺度为依据,计算相应的自适应方向、频率以及相位;使用该自适应Gabor滤波方法分别对各通道进行纹理分析得到相应的纹理图像。提出一种快速的基于多项式分割的方法对各个纹理图像进行分析,确定聚类数目,并使用无监督模糊C均值聚类算法得到最终的分割结果。实验结果表明,该算法能够很好地克服图像纹理对于分割结果的影响,有效区分目标与背景,分割结果具有较高的分割精度,是一种有效的自然彩色图像分割方法。  相似文献
3.
磁共振成像(Magnetic resonance imaging, MRI) 技术以其非介入、无损伤以及不受目标运动影响等特点,已成为临床诊断的重要辅助手段。精确的脑MR图像分割对生物医学研究和临床应用具有重要的指导意义。在实际应用中,脑MR图像中存在的噪声、灰度不均匀性、部分容积效应和低对比度等缺陷,都给脑MR图像的 精确分割带来了巨大困难和挑战。本文基于模糊聚类模型的脑MR图像分割问题,从聚类类别数的确定、模型初始化、克服噪声、估计偏移场、克服部分容积效应、数据不确定性描述以及模型扩展7个方面深入阐述了国内外发展现状、应对技巧及改进策略,并分析存在的不足 ,指出进一步的研究方向。  相似文献
1
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