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:
文章根据多光谱图像数据维数高的特点,以像素各个波段的灰度值为特征,采用支持向量机(SVM)方法为核心来分割多光谱显微细胞图像.为提高计算速度,在亮度和色度分量上利用阈值分割法进行预处理;同时,对SVM分割后的图像,采用基于区域灰度差的生长准则进行后处理,获得了更好的分割效果.最后把支持向量机(SVM)方法与径向基神经网络(RBFNN)方法进行比较,实验结果表明,SVM分割效果优于RBFNN,是一种精度高、速度快的多光谱显微细胞图像分割方法.
推荐文章
利用单类支持向量机分割血细胞图像
彩色图像分割
单类支持向量机
均值移动
血细胞
基于支持向量机的图像分割
指纹识别
图像分割
特征向量
支持向量机
显微细胞图像的自动分割
细胞图像
边缘检测
图像分割
基于支持向量机方法的噪声图像分割
支持向量机
噪声图像分割
计算机视觉
统计学习理论
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 基于支持向量机的多光谱显微细胞图像分割
来源期刊 计算机工程与应用 学科 工学
关键词 多光谱图像 细胞图像分割 支持向量机 径向基函数
年,卷(期) 2006,(8) 所属期刊栏目 学术探讨
研究方向 页码范围 37-39,43
页数 4页 分类号 TP391
字数 3449字 语种 中文
DOI 10.3321/j.issn:1002-8331.2006.08.011
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 王思贤 武汉大学电子信息学院 18 342 9.0 18.0
2 王文伟 武汉大学电子信息学院 23 170 9.0 12.0
3 杨定楚 武汉大学电子信息学院 3 35 3.0 3.0
4 李美娟 武汉大学电子信息学院 1 9 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (5)
共引文献  (4)
参考文献  (5)
节点文献
引证文献  (9)
同被引文献  (13)
二级引证文献  (69)
1981(1)
  • 参考文献(0)
  • 二级参考文献(1)
1990(1)
  • 参考文献(0)
  • 二级参考文献(1)
1991(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(2)
  • 参考文献(1)
  • 二级参考文献(1)
2001(2)
  • 参考文献(1)
  • 二级参考文献(1)
2003(2)
  • 参考文献(2)
  • 二级参考文献(0)
2005(1)
  • 参考文献(1)
  • 二级参考文献(0)
2006(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)
2007(1)
  • 引证文献(1)
  • 二级引证文献(0)
2008(3)
  • 引证文献(2)
  • 二级引证文献(1)
2009(6)
  • 引证文献(3)
  • 二级引证文献(3)
2010(1)
  • 引证文献(0)
  • 二级引证文献(1)
2012(7)
  • 引证文献(2)
  • 二级引证文献(5)
2013(4)
  • 引证文献(0)
  • 二级引证文献(4)
2014(7)
  • 引证文献(0)
  • 二级引证文献(7)
2015(16)
  • 引证文献(0)
  • 二级引证文献(16)
2016(8)
  • 引证文献(1)
  • 二级引证文献(7)
2017(6)
  • 引证文献(0)
  • 二级引证文献(6)
2018(9)
  • 引证文献(0)
  • 二级引证文献(9)
2019(8)
  • 引证文献(0)
  • 二级引证文献(8)
2020(2)
  • 引证文献(0)
  • 二级引证文献(2)
研究主题发展历程
节点文献
多光谱图像
细胞图像分割
支持向量机
径向基函数
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