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:
蚁群算法具有良好的离散型、并行性、正反馈性和鲁棒性,非常适合用于图像分割.基本蚁群算法存在着收敛速度慢、图像边缘的细节信息保留不完全等不足.改进了蚁群算法的启发信息,提高了蚁群算法的收敛速度,同时更有效地保留图像边缘的细节信息.图像的奇异值中只包含了少量的细节信息,大量细节信息体现在图像矩阵的2个正交矩阵中.通过利用奇异值分解作为启发信息,与信息素共同指导蚂蚁的行为.通过对蚂蚁行走路径上的信息素分布进行更新,使得分布在目标路径上的信息素逐渐增大,逐渐向分割图像收敛,根据信息素分布提取分割结果.仿真实验表明,对图像得到了理想的分割结果.
推荐文章
基于人工蚁群的红外图像分割算法
图像处理
信息素
红外图像
图像分割
蚁群算法
基于蚁群寻路的图像分割算法
蚁群算法
图像分割
优化
腐蚀
基于人工蚁群优化算法的遥感图像自动分类
蚁群优化
人工蚁群
遥感图像
分类
外激素
基于改进蚁群算法的阈值医学图像分割
图像分割
医学图像
蚁群算法
改进
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 基于改进的人工蚁群的图像分割算法
来源期刊 无线电通信技术 学科 工学
关键词 信息素 奇异值 图像分割 蚁群算法
年,卷(期) 2013,(6) 所属期刊栏目 综合电子信息技术
研究方向 页码范围 71-73,81
页数 4页 分类号 TN391.4
字数 3038字 语种 中文
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 周旭 中国电子科技集团公司第五十四研究所 22 111 6.0 10.0
2 米健 武汉大学电子信息学院 5 17 2.0 4.0
3 邢旭东 中国电子科技集团公司第五十四研究所 2 13 1.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (43)
共引文献  (326)
参考文献  (7)
节点文献
引证文献  (13)
同被引文献  (49)
二级引证文献  (88)
1960(1)
  • 参考文献(0)
  • 二级参考文献(1)
1981(1)
  • 参考文献(0)
  • 二级参考文献(1)
1983(1)
  • 参考文献(0)
  • 二级参考文献(1)
1988(1)
  • 参考文献(0)
  • 二级参考文献(1)
1989(2)
  • 参考文献(0)
  • 二级参考文献(2)
1996(3)
  • 参考文献(0)
  • 二级参考文献(3)
1997(2)
  • 参考文献(0)
  • 二级参考文献(2)
1999(4)
  • 参考文献(0)
  • 二级参考文献(4)
2000(10)
  • 参考文献(0)
  • 二级参考文献(10)
2001(6)
  • 参考文献(1)
  • 二级参考文献(5)
2002(3)
  • 参考文献(0)
  • 二级参考文献(3)
2003(11)
  • 参考文献(2)
  • 二级参考文献(9)
2004(4)
  • 参考文献(3)
  • 二级参考文献(1)
2008(1)
  • 参考文献(1)
  • 二级参考文献(0)
2013(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)
2014(2)
  • 引证文献(2)
  • 二级引证文献(0)
2015(6)
  • 引证文献(2)
  • 二级引证文献(4)
2016(10)
  • 引证文献(6)
  • 二级引证文献(4)
2017(21)
  • 引证文献(2)
  • 二级引证文献(19)
2018(25)
  • 引证文献(1)
  • 二级引证文献(24)
2019(30)
  • 引证文献(0)
  • 二级引证文献(30)
2020(7)
  • 引证文献(0)
  • 二级引证文献(7)
研究主题发展历程
节点文献
信息素
奇异值
图像分割
蚁群算法
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
无线电通信技术
双月刊
1003-3114
13-1099/TN
大16开
河北省石家庄市中山西路589号
18-149
1972
chi
出版文献量(篇)
2815
总下载数(次)
6
总被引数(次)
11314
论文1v1指导