原文服务方: 计算机应用研究       
摘要:
超像素能够捕获图像冗余信息,降低后续处理任务复杂度,已受到了国内外研究者的日益关注.首先分析了超像素分割领域的发展现状,以基于图论的方法和基于梯度下降的方法为视角,对现有超像素分割方法进行归纳和论述.在此基础上,就目前常用的超像素分割算法进行了实验对比,分析各自的优势和不足.最后,对超像素分割技术的最新应用进行了介绍和展望.
推荐文章
基于聚类的超像素分割算法研究
超像素
图像分割
聚类
评价指标
基于超像素的木材表面缺陷图像分割算法
木材表面缺陷
超像素
图像分割
基于稀疏表示超像素分类的肿瘤超声图像分割算法
稀疏表示
超声图像
肿瘤分割
简单线性迭代聚类
超像素和阈值分割相结合的显著目标检测算法
显著目标检测
超像素分割
阈值分割
感兴趣区域
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 超像素分割算法研究综述
来源期刊 计算机应用研究 学科
关键词 超像素 图像分割 图论 梯度下降
年,卷(期) 2014,(1) 所属期刊栏目 综述评论
研究方向 页码范围 6-12
页数 7页 分类号 TP391.4
字数 语种 中文
DOI 10.3969/j.issn.1001-3695.2014.01.002
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 王春瑶 西南交通大学信息科学与技术学院 2 204 2.0 2.0
2 陈俊周 西南交通大学信息科学与技术学院 8 301 6.0 8.0
3 李炜 西南交通大学信息科学与技术学院 25 303 7.0 17.0
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  (14)
节点文献
引证文献  (187)
同被引文献  (163)
二级引证文献  (341)
1975(1)
  • 参考文献(1)
  • 二级参考文献(0)
1991(1)
  • 参考文献(1)
  • 二级参考文献(0)
1995(1)
  • 参考文献(1)
  • 二级参考文献(0)
2000(1)
  • 参考文献(1)
  • 二级参考文献(0)
2004(1)
  • 参考文献(1)
  • 二级参考文献(0)
2005(1)
  • 参考文献(1)
  • 二级参考文献(0)
2007(1)
  • 参考文献(1)
  • 二级参考文献(0)
2009(2)
  • 参考文献(2)
  • 二级参考文献(0)
2010(1)
  • 参考文献(1)
  • 二级参考文献(0)
2012(3)
  • 参考文献(3)
  • 二级参考文献(0)
2013(1)
  • 参考文献(1)
  • 二级参考文献(0)
2014(7)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(7)
  • 二级引证文献(0)
2014(7)
  • 引证文献(7)
  • 二级引证文献(0)
2015(34)
  • 引证文献(31)
  • 二级引证文献(3)
2016(59)
  • 引证文献(36)
  • 二级引证文献(23)
2017(108)
  • 引证文献(50)
  • 二级引证文献(58)
2018(125)
  • 引证文献(36)
  • 二级引证文献(89)
2019(136)
  • 引证文献(19)
  • 二级引证文献(117)
2020(59)
  • 引证文献(8)
  • 二级引证文献(51)
研究主题发展历程
节点文献
超像素
图像分割
图论
梯度下降
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
计算机应用研究
月刊
1001-3695
51-1196/TP
大16开
1984-01-01
chi
出版文献量(篇)
21004
总下载数(次)
0
论文1v1指导