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:
提出一种基于余弦角距离的蚁群边缘检测算法,该算法利用改进的Sobel算子来计算梯度值,综合像素的灰度、梯度、领域特征进行特征提取,以余弦角距离为半径进行聚类,同时通过设置初始聚类中心、启发式引导函数和信息激素提高聚类速度.实验表明该算法优于Sobel、Canny算子和基于欧氏距离的基本蚁群分割算法,是一种有效的方法.
推荐文章
基于蚁群优化的图像边缘检测算法
边缘检测
蚁群优化
特征提取
梯度
统计均值
基于优化的蚁群图像边缘检测算法研究
边缘检测
蚁群优化
转移规则
信息素
基于改进蚁群算法的图像边缘检测
边缘检测
蚁群算法
信息素
启发信息
边缘追踪
基于K-均值改进蚁群优化的彩色图像边缘检测算法
图像分割
边缘检测
K-均值
聚类
蚁群优化
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 基于余弦角距离的蚁群边缘检测算法
来源期刊 云南民族大学学报(自然科学版) 学科 工学
关键词 蚁群算法 聚类 图像边缘 特征提取
年,卷(期) 2012,(1) 所属期刊栏目 信息与计算机科学
研究方向 页码范围 70-74
页数 分类号 TP391
字数 3765字 语种 中文
DOI 10.3969/j.issn.1672-8513.2012.01.016
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 周卫红 云南民族大学数学与计算机科学学院 32 127 7.0 9.0
2 郑茂垡 云南民族大学数学与计算机科学学院 2 8 2.0 2.0
3 刘云飞 云南民族大学数学与计算机科学学院 4 13 2.0 3.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (37)
共引文献  (94)
参考文献  (10)
节点文献
引证文献  (6)
同被引文献  (9)
二级引证文献  (6)
1990(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(4)
  • 参考文献(0)
  • 二级参考文献(4)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(3)
  • 参考文献(0)
  • 二级参考文献(3)
2000(6)
  • 参考文献(0)
  • 二级参考文献(6)
2001(2)
  • 参考文献(0)
  • 二级参考文献(2)
2003(2)
  • 参考文献(1)
  • 二级参考文献(1)
2004(10)
  • 参考文献(1)
  • 二级参考文献(9)
2005(4)
  • 参考文献(2)
  • 二级参考文献(2)
2006(3)
  • 参考文献(1)
  • 二级参考文献(2)
2007(4)
  • 参考文献(2)
  • 二级参考文献(2)
2008(2)
  • 参考文献(0)
  • 二级参考文献(2)
2009(3)
  • 参考文献(1)
  • 二级参考文献(2)
2010(1)
  • 参考文献(1)
  • 二级参考文献(0)
2011(1)
  • 参考文献(1)
  • 二级参考文献(0)
2012(1)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(1)
  • 二级引证文献(0)
2012(1)
  • 引证文献(1)
  • 二级引证文献(0)
2013(3)
  • 引证文献(1)
  • 二级引证文献(2)
2014(1)
  • 引证文献(1)
  • 二级引证文献(0)
2015(2)
  • 引证文献(1)
  • 二级引证文献(1)
2016(2)
  • 引证文献(0)
  • 二级引证文献(2)
2017(1)
  • 引证文献(0)
  • 二级引证文献(1)
2018(1)
  • 引证文献(1)
  • 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
蚁群算法
聚类
图像边缘
特征提取
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
云南民族大学学报(自然科学版)
双月刊
1672-8513
53-1192/N
大16开
中国昆明市一二·一大街134号
1992
chi
出版文献量(篇)
2286
总下载数(次)
5
总被引数(次)
8502
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导