图像分割中空间一致性和无监督聚类算法应用

来源 :小型微型计算机系统 | 被引量 : 6次 | 上传用户:yjtgu618215
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
图像空间结构中的图像一致性和无监督聚类信息在图像分割过程中有着非常重要的作用,提出应用图像空间一致性和无监督聚类算法来达到快速执行图像分割的新算法.首先,利用概率树结构针对目标图像进行图像分割过程中形成的过分割区域,并使得这些区域能够达到理想边缘部分;然后,将用基于概率的无监督图像分割框架来处理分割区域.概率树结构结合了以往传统树结构的相关优点,能够更加自然地针对对象的相关边界进行框架建模.本文提出的算法不需要在每次迭代执行过程中更新相关自适应结构,从而可以大大减少计算所需要的时间.通过非参数密度估
其他文献
Plasma viral RNA load is widely accepted as the most relevant parameter to assess the status and progression of Simian immunodeficiency virus (SIV) infections.
混合型主存储器也是DRAM构成,并把混合型主存储器作为高速缓存使用,因此可以扩展Non-volatile存储器,相比传统型的主存储器,混合型主存储器可以提供更大的存储能力.然而,对于
针对反向差分进化算法(ODE)中依然存在收敛速度不高和收敛精度欠佳的情形,提出一种改进的反向差分进化算法(MODE).MODE改进了ODE中的差分变异搜索方程以提高算法的收敛速度,
针对中文情感识别中特征空间稀疏度和冗余度较高的特点,从集成学习视角出发,提出一种基于动态特征选择机制的情感识别方法.该方法首先采用核平滑方法构建特征子集划分的维度
应用机器学习方法处理机器阅读的相关任务是人工智能的长远目标,但通常需要大量的人工监督操作.研究一种无监督学习在机器阅读的一个主要任务-语义分析中的应用,这种无监督方
物理信息融合系统一经提出就引起了各国研究者的广泛关注,与传统的控制系统不同,它可以看成一个融合了大量异构网络的大型控制网络系统.在这样的系统中对通信网络中的协议实时有
受数据数量、质量、实验设计、噪音和测量误差的影响,单一数据源所含的信息是有限的.通过单一的数据源推测并构建网络,往往面临着数据的信息量不够充分.另一方面,传统的动态贝叶斯网络模型要求数据是平稳的.但在现实中,非平稳的情况不容忽视.于是我们提出了一个基于多源数据融合学习非平稳动态贝叶斯网络的算法.该算法首先通过Dempster-Shafer证据理论对多种数据源进行融合获得先验知识,然后利用改变点过程
针对传统的模糊C均值聚类算法求解隶属度公式仅仅考虑距离因素和算法对噪声数据敏感的问题,通过引入模糊熵约束,给出一种模糊C均值聚类算法.该算法引入模糊熵作为模糊C均值聚
离散小波变换中的位移可变性严重影响了小波域运动估计的精度,为了减弱在动态信号估计中该可变性的影响,构造出一种新的二元树复小波结构,并依据小波低频子带和高频子带对移
针对基于多尺度变换的融合算法会产生伪吉布斯效应,处理偏暗或偏亮的图像效果不理想,提出一种基于NSCT(非下采样Contourlet变换)和复合型PCNN(脉冲耦合神经网络)的多聚焦图像融合方法,通过分别将两幅图像经NSCT变换后得到若干不同频带子图像,采用基于复合型PCNN的融合规则确定融合系数,最后对融合系数进行NSCT逆变换得到融合图像.通过本文方法获取的融合图像的灰度级分布更加分散,图像纹理