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:
蚁群算法是一种具有离散性、并行性、鲁棒性和模糊聚类能力的进化方法.根据数字图像的离散性特点,首先从模糊聚类角度出发,将蚁群算法引入图像分割中,综合考虑像素的灰度、梯度及邻域特性进行特征提取.然后,针对蚁群算法循环次数多,计算量大的问题,设置启发式引导函数和初始聚类中心进行改进.详细阐述特征提取、初始聚类中心设置和模糊聚类流程.实验证明改进蚁群算法可以快速准确地分割出目标,是一种有效的图像分割方法.
推荐文章
基于蚁群优化多层图划分的彩色图像分割方法
彩色图像分割
归一化切分
蚁群优化
多层图划分
超像素
自适应蚁群算法优化红外图像分割
图像分割
红外图像
二维最大熵分割
蚁群算法
基于蚁群算法的医学图像分割研究
医学图像分割
蚁群算法
模糊连接
分散、递阶蚁群算法及其在相变序列图像分割中的应用
蚁群算法
分散递阶
序列图像分割
相变热图
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 基于蚁群算法的图像分割方法
来源期刊 计算机工程与应用 学科 工学
关键词 蚁群算法 图像分割 模糊聚类 特征提取 邻域
年,卷(期) 2004,(18) 所属期刊栏目 博士论坛
研究方向 页码范围 5-7
页数 3页 分类号 TP391
字数 3261字 语种 中文
DOI 10.3321/j.issn:1002-8331.2004.18.002
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 施鹏飞 上海交通大学图像处理与模式识别研究所 194 4457 36.0 59.0
2 韩彦芳 上海交通大学图像处理与模式识别研究所 6 174 4.0 6.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (4)
共引文献  (33)
参考文献  (1)
节点文献
引证文献  (94)
同被引文献  (81)
二级引证文献  (272)
1999(2)
  • 参考文献(0)
  • 二级参考文献(2)
2000(2)
  • 参考文献(0)
  • 二级参考文献(2)
2003(1)
  • 参考文献(1)
  • 二级参考文献(0)
2004(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)
2005(1)
  • 引证文献(1)
  • 二级引证文献(0)
2006(4)
  • 引证文献(4)
  • 二级引证文献(0)
2007(7)
  • 引证文献(5)
  • 二级引证文献(2)
2008(23)
  • 引证文献(13)
  • 二级引证文献(10)
2009(21)
  • 引证文献(11)
  • 二级引证文献(10)
2010(41)
  • 引证文献(9)
  • 二级引证文献(32)
2011(38)
  • 引证文献(10)
  • 二级引证文献(28)
2012(36)
  • 引证文献(9)
  • 二级引证文献(27)
2013(32)
  • 引证文献(8)
  • 二级引证文献(24)
2014(43)
  • 引证文献(6)
  • 二级引证文献(37)
2015(31)
  • 引证文献(5)
  • 二级引证文献(26)
2016(22)
  • 引证文献(3)
  • 二级引证文献(19)
2017(27)
  • 引证文献(4)
  • 二级引证文献(23)
2018(23)
  • 引证文献(4)
  • 二级引证文献(19)
2019(16)
  • 引证文献(1)
  • 二级引证文献(15)
2020(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
蚁群算法
图像分割
模糊聚类
特征提取
邻域
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
计算机工程与应用
半月刊
1002-8331
11-2127/TP
大16开
北京619信箱26分箱
82-605
1964
chi
出版文献量(篇)
39068
总下载数(次)
102
总被引数(次)
390217
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导