基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
特征空间聚类分割方法存在的关键问题是有效的特征参数提取和聚类方法的构造.针对这两个问题,该文采用小波变换的多尺度分析方法提取图像的多尺度分形维数作为分割特征参数,用Kohonen自组织特征映射实现特征空间聚类,获得了良好的分割效果.
推荐文章
基于分形维数的图像纹理分析
分形维数
H(o)lder指数
特征提取
预处理
纹理分析
多尺度纹理图像数据抗干扰信息映射方法研究
多尺度纹理图像数据
抗干扰
信息
映射
基于高斯混合模型的纹理图像的分割
高斯混合模型
EM算法
最大似然估计
一种多尺度纹理主频的检测与分割
纹理
小波包
主频检测
Gabor滤波器
纹理分割
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 分形多尺度纹理图像分割
来源期刊 模式识别与人工智能 学科 工学
关键词 分形 小波变换 神经网络 图像分割
年,卷(期) 1998,(3) 所属期刊栏目
研究方向 页码范围 347-351
页数 5页 分类号 TP391.41
字数 语种 中文
DOI
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (0)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1998(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
分形
小波变换
神经网络
图像分割
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
模式识别与人工智能
月刊
1003-6059
34-1089/TP
16开
中国科学院合肥智能机械研究所安徽合肥董铺岛合肥1130信箱
26-69
1989
chi
出版文献量(篇)
2928
总下载数(次)
8
总被引数(次)
30919
论文1v1指导