排序方式: 共有45条查询结果,搜索用时 281 毫秒
2.
基于K均值聚类分割彩色图像算法的改进 总被引:2,自引:0,他引:2
基于人类视觉将图像分割成若干个有意义的区域是目标检测和模式识别的基础.应用K均值聚类算法对图像进行分析,分析了图像的空间、色彩以及纹理特征对聚类效果的影响,针对K均值算法的存在的过分割问题提出了一种修正方法,先基于空间、颜色和纹理特征分割图像,再基于色彩及纹理特征进行合并,解决了K均值聚类产生的过分割问题,并在区域合并时引入修正函数,抑制了图像中因场景明暗变化而产生的斑点.实验结果表明提出的聚类算法对图像分割效果有明显提高. 相似文献
3.
针对传统的FCM算法随机获取初始聚类中心与分类类别数的缺陷问题,提出了一种获取初始聚类中心与分类类别数的方法,并采用交叉熵测度准则进行FCM聚类,对彩色图像进行分割,提取有意义区域.实验结果表明,该方法不仅能够提高算法的聚类速度与算法的普适度,而且可以改善图像的聚类效果.与传统的FCM算法相比,该算法更易于实现彩色图像有意义区与背景的分离,分割效果令人满意. 相似文献
4.
5.
本文探索用分形理论研究信号加噪声系统的可能性。采用于波变换方法讨算分维.分析结果表明,分形分析是强有力的信号处理工具,在信号识别中,分维是重要的参数. 相似文献
6.
本文探索用分形理论研究信号加噪声系统的可能性。采用子波变换方法计算分维。分析结果表明,分形分析是强有力的信号处理工具,在信号识别中,分维是重要的参数。 相似文献
7.
8.
数字化X射线图像(digital radiography,DR)与数字重建放射图像(digitally reconstructed radiography,DR)属于不同模态图像,实现二者的高精度快速配准是一个技术难题。在实际应用中,往往会同时获取物体的正侧面DR和DRR图像。提出一种基于互信息与梯度信息相结合的配准算法。首先,对正侧面图像进行小波分解,获得低分辨率子图像并配准,使用粒子群优化(particle swarm optimization,PSO)算法进行全局寻优;然后,根据配准结果,判断互信息与梯度信息配准结果是否正确,如果配准错误,则在下一阶段中不使用该结果作为配准依据;最后,以PSO算法寻优结果作为Powell算法的寻优初始点,对原始正侧图像进行精确配准。实验结果显示,本算法快速完成配准,配准精度达到2 mm,满足实际应用要求。 相似文献
9.
针对固定场景视频监控中,由于运动物体在运动目标检测算法初始化时的存在而导致传统的基于高斯混合模型的运动目标检测算法收敛速度慢的问题,提出了改进算法。该改进算法通过采用在线K-均值聚类方法对混合高斯模型进行初始化,提高了算法的收敛速度。同时在模型更新时,通过对匹配准则和新高斯分布生成准则的改进,节约了存储空间。实验结果表明,与传统算法相比,改进算法能够快速、有效地检测运动目标,具有更好的鲁棒性。 相似文献
10.