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:
针对目前服装图像分割准确率低的问题,提出一种基于HOG特征和E-SVM分类器的服装图像联合分割算法.该算法具体可分为三个迭代的步骤:超像素组合、E-SVM分类器训练、分割传播,并用到辅助数据集.将用户输入的图像结合辅助服装集进行超像素分割,并利用分割传播方法将超像素组合成多个区域.利用分割效果积极的区域的HOG信息训练E-SVM分类器.通过E-SVM分类器以及分割传播方法将输入的图像中的服装分割出来.实验结果表明,该方法能够高准确率地分割出服装图像.
推荐文章
基于OTSU分割和HOG特征的行人检测与跟踪方法
行人检测
HOG特征
隐马尔可夫模型
OTSU算法
鲁棒性
基于改进的NCSPSO优化SVM的木材缺陷图像分割
图像分割
NCSPSO算法
支持向量机
木材缺陷
SVM图像分割方法的研究
支持向量机
全局门限处理
SVM图像
图像分割
结合多特征和SVM的SAR图像分割
合成孔径雷达
图像分割
非下采样轮廓变换
灰度共生矩阵
支持向量机
特征选择
多特征融合
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HOG和E-SVM的服装图像联合分割算法
来源期刊 计算机工程与应用 学科 工学
关键词 联合分割 方向梯度直方图(HOG)特征 超像素组合 模范支持向量机(E-SVM)分类器 分割传播
年,卷(期) 2017,(18) 所属期刊栏目 图形图像处理
研究方向 页码范围 199-203
页数 5页 分类号 TP751
字数 4428字 语种 中文
DOI 10.3778/j.issn.1002-8331.1603-0398
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 付晓东 昆明理工大学云南省计算机技术应用重点实验室信息工程与自动化学院计算机科学系 57 180 7.0 10.0
2 黄青松 昆明理工大学云南省计算机技术应用重点实验室信息工程与自动化学院计算机科学系 91 265 9.0 12.0
3 刘骊 昆明理工大学云南省计算机技术应用重点实验室信息工程与自动化学院计算机科学系 41 128 5.0 10.0
4 黄冬艳 昆明理工大学云南省计算机技术应用重点实验室信息工程与自动化学院计算机科学系 2 9 1.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (13)
共引文献  (6)
参考文献  (4)
节点文献
引证文献  (1)
同被引文献  (11)
二级引证文献  (0)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(4)
  • 参考文献(1)
  • 二级参考文献(3)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2008(1)
  • 参考文献(0)
  • 二级参考文献(1)
2009(3)
  • 参考文献(0)
  • 二级参考文献(3)
2011(1)
  • 参考文献(0)
  • 二级参考文献(1)
2012(2)
  • 参考文献(1)
  • 二级参考文献(1)
2015(2)
  • 参考文献(2)
  • 二级参考文献(0)
2017(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)
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
联合分割
方向梯度直方图(HOG)特征
超像素组合
模范支持向量机(E-SVM)分类器
分割传播
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
计算机工程与应用
半月刊
1002-8331
11-2127/TP
大16开
北京619信箱26分箱
82-605
1964
chi
出版文献量(篇)
39068
总下载数(次)
102
总被引数(次)
390217
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导