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:
针对纹理图像,本文提出了一种基于图像纹理特征的非学习分割方法。采用小波变换和快速k-means聚类分割算法,减少了整个处理过程的运算量。为了保证分类算法的精确性,运用了总体流量变化最小(Total Variation Flow)[1]非线性去噪方法对图像进行预处理,从而将减小图像噪声污染带来的分割误差。在图像特征的提取上,运用Gabor滤波器原理生成滤波空间,并让图像通过滤波空间而生成特征向量空间。通过制定一个快速寻优策略,从而达到分割图像的目的。
推荐文章
基于聚类和小波变换的彩色图像分割方法
彩色图像分割
廒色聚类
小波变换
纹理特征
基于粒度与小波变换的纹理图像分割
小波变换
商空间
图像分割
一种基于三进制小波变换的纹理分割方法
小波变换
特征提取
纹理分析
C-均值聚类
基于小波和模糊聚类的示温漆彩色图像分割算法
小波变换
模糊聚类
彩色图像分割
示温漆
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 基于图像纹理和小波变换的聚类分割方法
来源期刊 自动化信息 学科 工学
关键词 非线性去噪 特征提取 图像分割 聚类分割算法 小波变换
年,卷(期) 2010,(7) 所属期刊栏目
研究方向 页码范围 48-49
页数 2页 分类号 TP391.4
字数 语种
DOI
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 张勇 西南交通大学电气工程学院 72 394 11.0 18.0
2 周文卫 西南交通大学电气工程学院 9 58 5.0 7.0
3 陈立杨 西南交通大学电气工程学院 5 21 2.0 4.0
4 石高峰 西南交通大学电气工程学院 3 0 0.0 0.0
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  (5)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2010(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
非线性去噪
特征提取
图像分割
聚类分割算法
小波变换
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
自动化信息
月刊
1817-0633
成都市小南街123号冠城花园檀香阁3-1
出版文献量(篇)
5766
总下载数(次)
16
总被引数(次)
0
论文1v1指导