2.765

2022影响因子

(CJCR)

  • 中文核心
  • EI
  • 中国科技核心
  • Scopus
  • CSCD
  • 英国科学文摘

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于目标模糊置信度描述驱动的区域能量进化增长图像分割算法

胡正平 谭营

胡正平, 谭营. 基于目标模糊置信度描述驱动的区域能量进化增长图像分割算法. 自动化学报, 2008, 34(9): 1047-1052. doi: 10.3724/SP.J.1004.2008.01047
引用本文: 胡正平, 谭营. 基于目标模糊置信度描述驱动的区域能量进化增长图像分割算法. 自动化学报, 2008, 34(9): 1047-1052. doi: 10.3724/SP.J.1004.2008.01047
HU Zheng-Ping, TAN Ying. Novel Region Energy Evolution Image Segmentation Based on Fuzzy Object Confidence Description. ACTA AUTOMATICA SINICA, 2008, 34(9): 1047-1052. doi: 10.3724/SP.J.1004.2008.01047
Citation: HU Zheng-Ping, TAN Ying. Novel Region Energy Evolution Image Segmentation Based on Fuzzy Object Confidence Description. ACTA AUTOMATICA SINICA, 2008, 34(9): 1047-1052. doi: 10.3724/SP.J.1004.2008.01047

基于目标模糊置信度描述驱动的区域能量进化增长图像分割算法

doi: 10.3724/SP.J.1004.2008.01047
详细信息
    通讯作者:

    胡正平

  • 中图分类号: TP391

Novel Region Energy Evolution Image Segmentation Based on Fuzzy Object Confidence Description

More Information
    Corresponding author: HU Zheng-Ping
  • 摘要: 为了克服经典区域增长算法在复杂目标与背景分布情况下, 停止条件难以确定的不足, 提出基于目标模糊置信度描述驱动的区域能量进化增长图像分割算法. 该算法结合了主动轮廓模型(Active contour model, ACM)、目标数据分布域描述与区域增长三者的优点, 首先利用分割目标的支持向量数据域描述将待分割图像转化为相对于分割目标的模糊置信度表示, 因为分割过程充分利用了有监督学习策略得到的目标特征分布情况, 使得本文提出的算法具有更高的稳定性和更加广泛的适用范围, 特别是对目标灰度分布不均或存在多纹理的目标也可以得到较好的分割结果. 在区域增长进行分割时, 引入了新的区域能量表示模型作为区域增长的结束判决条件, 分割时逐渐降低目标模糊置信度的门限, 通过对区域能量模型的动态优化来逼近最佳分割结果. 对比实验结果表明本文提出的算法具有更大的灵活性和更好的分割性能.
  • 加载中
计量
  • 文章访问数:  2863
  • HTML全文浏览量:  63
  • PDF下载量:  1305
  • 被引次数: 0
出版历程
  • 收稿日期:  2007-06-21
  • 修回日期:  2007-11-11
  • 刊出日期:  2008-09-20

目录

    /

    返回文章
    返回