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:
提出一种基于Kohonen神经网络无监督的深度图像分割方法.首先计算了深度图像各点的导数,进而得到各点的法向,以法向和深度值作为每一点的特征矢量,引入自组织神经网络进行初始的聚类;为消除初始聚类产生的过分割现象,采取相邻表面片法向分析的方法进行再分割,得到最终的分割结果.本方法避免了通常的区域分割方法初始种子不易选取的弱点,聚类所用样本少,速度快.实验结果表现了算法良好的性能.
推荐文章
融合深度图像的卷积神经网络语义分割方法
语义分割
深度学习
深度图像
基于多通道卷积神经网络的单幅图像深度估计
卷积神经网络
单幅图像
深度估计
傅里叶分析
基于分形理论和Kohonen神经网络的纹理图像分割方法
纹理分形多重分形分数维Kohonen神经网络
基于改进神经网络的图像边缘分割技术
改进神经网络
图像边缘
图像分割
梯度特征
中值特征
改进BP算法
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 基于Kohonen神经网络的深度图像分割方法
来源期刊 红外与激光工程 学科 工学
关键词 深度图像 分割Kohonen神经网络 合并
年,卷(期) 2000,(1) 所属期刊栏目 图像识别与特征提取
研究方向 页码范围 22-24,61
页数 4页 分类号 TP3
字数 2648字 语种 中文
DOI 10.3969/j.issn.1007-2276.2000.01.006
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 柳健 华中理工大学图像识别与人工智能研究所图像信息处理与智能控制国家教育部开放研究实验室 20 606 13.0 20.0
2 邹宁 华中理工大学图像识别与人工智能研究所图像信息处理与智能控制国家教育部开放研究实验室 4 69 3.0 4.0
3 李庆 华中理工大学图像识别与人工智能研究所图像信息处理与智能控制国家教育部开放研究实验室 4 21 2.0 4.0
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  (3)
节点文献
引证文献  (9)
同被引文献  (0)
二级引证文献  (0)
1988(1)
  • 参考文献(1)
  • 二级参考文献(0)
1994(1)
  • 参考文献(1)
  • 二级参考文献(0)
1995(1)
  • 参考文献(1)
  • 二级参考文献(0)
2000(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)
2003(1)
  • 引证文献(1)
  • 二级引证文献(0)
2008(1)
  • 引证文献(1)
  • 二级引证文献(0)
2009(1)
  • 引证文献(1)
  • 二级引证文献(0)
2010(1)
  • 引证文献(1)
  • 二级引证文献(0)
2011(1)
  • 引证文献(1)
  • 二级引证文献(0)
2013(1)
  • 引证文献(1)
  • 二级引证文献(0)
2014(2)
  • 引证文献(2)
  • 二级引证文献(0)
2019(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
深度图像
分割Kohonen神经网络
合并
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
红外与激光工程
月刊
1007-2276
12-1261/TN
大16开
天津市空港经济区中环西路58号
6-133
1972
chi
出版文献量(篇)
9150
总下载数(次)
41
总被引数(次)
72012
论文1v1指导