基于QWT和GLCM的多特征双重加权纹理分割

• 作者: 陈昊 鲁方波 黎明
• 来源期刊: 模式识别与人工智能
• 学科: 工学
• 关键词: 双重加权策略 四元数小波变换 灰度共生矩阵 纹理分割
• 年，卷（期）: 2014,（3）
• 所属期刊栏目: 研究与应用
• 页码范围: 263-271
• 页数: 9页
• 分类号: TP391
• 字数: 8874字
• 语种: 中文

摘要

针对传统特征加权算法对混合属性数据只进行全局样本加权，而忽略不同特征提取算法对纹理描述性能强弱的缺点，提出一种基于算法有效性和特征重要性的双重加权策略。将四元数小波变换和灰度共生矩阵融合特征应用k-means算法进行初聚类，并以此产生的初始聚类中心作为参考，取每类聚类中心的k-近邻样本作为双重加权的训练样本集合。利用改进的ReliefF算法和相关性度量解决特征内权值的设定问题，再利用SVM解决特征间加权问题，最后将双重特征加权结合FCM应用于纹理分割。实验结果表明，该方法在合成纹理和自然纹理图像中均有较好的性能，且较其他特征加权算法分割准确度更高。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黎明	南昌航空大学信息工程学院	182	1686	21.0	33.0
2	陈昊	南昌航空大学信息工程学院	37	92	5.0	8.0
3	鲁方波	南昌航空大学信息工程学院	2	10	2.0	2.0