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:
针对传统的k-means算法应用在图像分割时需要手动调试参数的缺点,提出了一种将密度峰算法 、最近邻插值算法和k-means聚类算法相结合的图像分割算法.用最近邻插值算法缩小原图像像素点,用密度峰算法提取图像的中心点,并将该中心点作为k-means的初始聚类中心,用k-means算法对原始图像进行图像分割.实验结果表明,改进算法拥有更强的自适应性和鲁棒性.
推荐文章
Lab空间的改进k-means算法彩色图像分割
聚类
图像分割
颜色空间
马氏距离
基于K-means聚类算法的叶螨图像分割与识别
叶螨
图像
K-means算法
图像分割
图像识别
像素
改进分水岭算法与K-means方法结合的图像分割
K-means
改进分水岭
相似度
图像分割
基于CUDA的并行K-means聚类图像分割算法优化
图像分割
聚类分割算法
统一计算架构
图形处理器
并行优化
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 一种基于密度峰和k-means算法的图像分割算法
来源期刊 桂林电子科技大学学报 学科 工学
关键词 k-means算法 密度峰算法 图像分割
年,卷(期) 2018,(5) 所属期刊栏目
研究方向 页码范围 385-388
页数 4页 分类号 TP391.4
字数 2197字 语种 中文
DOI 10.3969/j.issn.1673-808X.2018.05.009
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 丁勇 桂林电子科技大学广西密码学与信息安全重点实验室 54 227 9.0 12.0
2 刘海谊 桂林电子科技大学数学与计算科学学院 1 2 1.0 1.0
3 赵汝文 桂林电子科技大学数学与计算科学学院 10 26 3.0 4.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (3)
共引文献  (13)
参考文献  (4)
节点文献
引证文献  (2)
同被引文献  (10)
二级引证文献  (2)
1979(1)
  • 参考文献(1)
  • 二级参考文献(0)
2008(2)
  • 参考文献(0)
  • 二级参考文献(2)
2010(1)
  • 参考文献(0)
  • 二级参考文献(1)
2012(1)
  • 参考文献(1)
  • 二级参考文献(0)
2014(1)
  • 参考文献(1)
  • 二级参考文献(0)
2015(1)
  • 参考文献(1)
  • 二级参考文献(0)
2018(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(3)
  • 引证文献(2)
  • 二级引证文献(1)
2020(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
k-means算法
密度峰算法
图像分割
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
桂林电子科技大学学报
双月刊
1673-808X
45-1351/TN
大16开
广西桂林市金鸡路1号
1981
chi
出版文献量(篇)
2598
总下载数(次)
1
总被引数(次)
11679
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