首页
|
本学科首页
官方微博
|
高级检索
全部学科
医药、卫生
生物科学
工业技术
交通运输
航空、航天
环境科学、安全科学
自然科学总论
数理科学和化学
天文学、地球科学
农业科学
哲学、宗教
社会科学总论
政治、法律
军事
经济
历史、地理
语言、文字
文学
艺术
文化、科学、教育、体育
马列毛邓
全部专业
中文标题
英文标题
中文关键词
英文关键词
中文摘要
英文摘要
作者中文名
作者英文名
单位中文名
单位英文名
基金中文名
基金英文名
杂志中文名
杂志英文名
栏目中文名
栏目英文名
DOI
责任编辑
分类号
杂志ISSN号
结合图像局部信息的高斯混合型图像分割框架
引用本文:
蔡维玲,丁军娣. 结合图像局部信息的高斯混合型图像分割框架[J]. 勤云标准版测试, 2008, 0(4)
作者姓名:
蔡维玲
丁军娣
作者单位:
[1]南京航空航天大学信息科学与技术学院,中国南京210016 [2]南京师范大学数学与计算机科学学院,中国南京210097
基金项目:
国家自然科学基金(60505004;60773061)资助项目.Supported by the National Natural Science Foundation of China ?
摘 要:
针对现有的基于判别型或聚类型的图像,用分割方法无法处理被噪声污染的图像的现状,提出一种新的两步式图像分割框架。该框架首先利用图像的局部信息重塑图像的灰度直方图,增强了像素的类间散布性和类内紧凑性,然后将现有的基于判别型或基于聚类型图像分割方法在重塑图像上执行,从而提高了现有图像分割算法的有效性和鲁棒性。文中用典型的聚类型方法高斯混合模型来说明该框架的可行性。由于框架的两个步骤具有独立性.因此可推广到现有的其他基于像素或直方图的方法。在人工和真实图像上的实验结果证明,这种两步图像分割框架可以获得有效且鲁棒的图像分割结果。
关 键 词:
模式识别
图像处理
图像分割
高斯混合模型
期望最大化
EFFECTIVE IMAGE SEGMENTATION FRAMEWORK FOR GAUSSIAN MIXTURE MODEL INCORPORATING LOCAL INFORMATION
Abstract:
Keywords:
pattern recognition
image processing
image segmentation
Gaussian mixture model (GMM)
expectation maximization (EM)
点击此处可从《勤云标准版测试》浏览原始摘要信息
点击此处可从《勤云标准版测试》下载全文
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