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:
昆虫翅脉提取对于昆虫自动分类意义重大.鉴于传统翅脉提取算法中存在断裂、边缘不整齐等缺点,提出一种基于张量投票的昆虫翅脉提取算法.首先对翅脉图像进行去噪、二值化、形态学等预处理,得到稀疏二值点图,然后计算每点的张量值,结合Gestalt定律的邻近性、相似性规则,对邻域内点进行张量投票,并设定投票阈值,最终获取昆虫翅脉轮廓.实验结果表明,由于引入张量和Gestalt规则,文中所提算法可以提取出更加符合感知规则的翅脉结构,得到较为完整且平滑的翅脉轮廓,同时对于出现少许断裂的翅脉图像,依然可以获得较为完整的翅脉边缘,这为后期的昆虫自动分类奠定基础.
推荐文章
基于张量投票的主动轮廓边缘提取
计算机视觉
张量投票
主动轮廓
边缘提取
感知识别
显著性
基于张量投票的空域错误隐藏算法
错误隐藏
空域错误隐藏
丢失宏块分类
张量投票
基于张量投票的图像超分辨率算法
张量投票
超分辨率算法
主观轮廓
应用分形维数的自适应张量投票算法
感知聚类
张量投票算法
分形维数
尺度参数
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 基于张量投票的昆虫翅脉提取算法
来源期刊 计算机科学 学科 工学
关键词 张量投票 昆虫翅脉 边缘轮廓 视觉感知
年,卷(期) 2014,(12) 所属期刊栏目 人工智能
研究方向 页码范围 216-219
页数 4页 分类号 TP391.4
字数 4078字 语种 中文
DOI 10.11896/j.issn.1002-137X.2014.12.047
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 段大高 北京工商大学计算机与信息工程学院 31 326 9.0 17.0
2 韩忠明 北京工商大学计算机与信息工程学院 51 631 14.0 23.0
3 万月亮 北京工商大学计算机与信息工程学院 11 137 5.0 11.0
4 龚乐 北京工商大学计算机与信息工程学院 2 4 1.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (5)
共引文献  (66)
参考文献  (7)
节点文献
引证文献  (1)
同被引文献  (0)
二级引证文献  (0)
1995(1)
  • 参考文献(1)
  • 二级参考文献(0)
1998(2)
  • 参考文献(0)
  • 二级参考文献(2)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(2)
  • 参考文献(0)
  • 二级参考文献(2)
2002(1)
  • 参考文献(1)
  • 二级参考文献(0)
2003(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(1)
  • 参考文献(1)
  • 二级参考文献(0)
2010(1)
  • 参考文献(1)
  • 二级参考文献(0)
2012(1)
  • 参考文献(1)
  • 二级参考文献(0)
2014(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)
2015(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
张量投票
昆虫翅脉
边缘轮廓
视觉感知
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
计算机科学
月刊
1002-137X
50-1075/TP
大16开
重庆市渝北区洪湖西路18号
78-68
1974
chi
出版文献量(篇)
18527
总下载数(次)
68
论文1v1指导