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:
模糊C均值聚类算法(FCM)广泛用于彩色图像分割,但该算法存在需要预先指定聚类数目、计算量大、耗时长且易陷入局部最优等缺点.提出一种自适应快速模糊C均值彩色图像分割方法,该方法首先运用蚁群算法,自动获取初始聚类中心和聚类数目,然后使用基于梯度的分水岭算法对原始彩色图像进行预分割,得到一系列由色彩特征空间具有一致性的点构成的子集,最后对这些子集的中心进行模糊聚类.实验结果表明:由于子集数量远小于原始图像像素数目,使聚类样本数量显著减少,大大提高了聚类速度,同时在聚类中以特征距离代替欧式距离,增强了算法的鲁棒性.
推荐文章
自适应的FCM图像分割方法研究
图像分割
模糊C均值
邻域信息
自适应
一种基于自适应空间信息改进FCM的图像分割算法
图像分割
模糊C-均值
模糊聚类
空间信息
核磁共振脑部图像
彩色图像分割的FCM初始化方法
图像分割
模糊C-均值聚类
初始化
维纳滤波
二次分水岭
质心筛选与合并
基于改进的 FCM算法图像分割研究
模糊C均值聚类
自适应滤波
道岔缺口
鲁棒性
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 自适应快速FCM彩色图像分割研究
来源期刊 计算机工程与应用 学科 工学
关键词 模糊C均值聚类 彩色图像分割 蚁群算法 分水岭算法 特征距离
年,卷(期) 2010,(7) 所属期刊栏目 图形、图像、模式识别
研究方向 页码范围 178-180
页数 3页 分类号 TP391.4
字数 3054字 语种 中文
DOI 10.3778/j.issn.1002-8331.2010.07.054
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 滕奇志 四川大学电子信息学院 198 900 14.0 21.0
2 余艳梅 四川大学电子信息学院 53 323 9.0 15.0
3 殷宇 四川大学电子信息学院 5 30 2.0 5.0
4 陈骥思 四川大学电子信息学院 1 23 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (18)
共引文献  (177)
参考文献  (8)
节点文献
引证文献  (23)
同被引文献  (71)
二级引证文献  (93)
1979(1)
  • 参考文献(1)
  • 二级参考文献(0)
1981(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(2)
  • 参考文献(0)
  • 二级参考文献(2)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(4)
  • 参考文献(0)
  • 二级参考文献(4)
2000(4)
  • 参考文献(0)
  • 二级参考文献(4)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(4)
  • 参考文献(2)
  • 二级参考文献(2)
2004(4)
  • 参考文献(2)
  • 二级参考文献(2)
2005(2)
  • 参考文献(2)
  • 二级参考文献(0)
2007(1)
  • 参考文献(1)
  • 二级参考文献(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)
2011(3)
  • 引证文献(3)
  • 二级引证文献(0)
2012(4)
  • 引证文献(4)
  • 二级引证文献(0)
2013(8)
  • 引证文献(1)
  • 二级引证文献(7)
2014(12)
  • 引证文献(5)
  • 二级引证文献(7)
2015(21)
  • 引证文献(3)
  • 二级引证文献(18)
2016(10)
  • 引证文献(1)
  • 二级引证文献(9)
2017(20)
  • 引证文献(4)
  • 二级引证文献(16)
2018(24)
  • 引证文献(1)
  • 二级引证文献(23)
2019(10)
  • 引证文献(0)
  • 二级引证文献(10)
2020(4)
  • 引证文献(1)
  • 二级引证文献(3)
研究主题发展历程
节点文献
模糊C均值聚类
彩色图像分割
蚁群算法
分水岭算法
特征距离
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