| 一种基于数学形态学尺度空间的线性条带挖掘方法 |
| |
| 引用本文： | 汪闽,周成虎,裴韬,骆剑承. 一种基于数学形态学尺度空间的线性条带挖掘方法[J]. 高技术通讯, 2003, 13(10): 20-24 |
| |
| 作者姓名： | 汪闽 周成虎 裴韬 骆剑承 |
| |
| 作者单位： | 中国科学院地理科学与资源研究所资源与环境信息系统国家重点实验室,北京,100101 |
| |
| 基金项目： | 86 3计划 (2 0 0 2AA135 2 30 )，国家自然科学基金 (4 0 10 10 2 1)，中国科学院知识创新工程 (CX10G D0 0 0 6 ,KZCX1 Y 0 2 )资助项目 |
| |
| 摘 要： | 提出了一种线性条带挖掘方法L_MSCMO。方法可分为两个主要部分：首先，利用作者提出的基于数学形态学尺度空间的聚类算法MSCMO寻找到最合适的图像重分割尺度；其次，对此尺度下的分割结果进一步分割得到线性条带。L_MSCMO是一种对“非纯粹直线”与噪声具鲁棒性的线性条带提取方法。对地震带这种线性条带的有效挖掘验证了该观点。
|
| 关 键 词： | 数学形态学 聚类算法 线性条带挖掘 鲁棒性 地震带 尺度空间 |
A Mathematical Morphological Scale Space Based Method for Linear Belts Extracting |
| |
| Wang Min,Zhou Chenghu,Pei Tao,Luo Jiancheng. A Mathematical Morphological Scale Space Based Method for Linear Belts Extracting[J]. High Technology Letters, 2003, 13(10): 20-24 |
| |
| Authors: | Wang Min Zhou Chenghu Pei Tao Luo Jiancheng |
| |
| Abstract: | One spatial data mining method LMSCMO for linear belts extracting is proposed. LMSCMO can be divided into two basic steps: firstly, the most suitable re segmenting scale is found by our clustering algorithm MSCMO which is based on mathematical morphological scale space; secondly, the segmented result at this scale is re segmented to obtain the final linear belts. The authors declare that LMSCMO is a robust mining method to semi linear clusters and noises, which is validated by the successful extraction of seismic belts. |
| |
| Keywords: | Mathematical morphology Scale space Clustering Spatial data mining Linear belt Seismic belt |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ |
