基于顯著性特征進(jìn)行密度修正的均值漂移分割算法
大?。?/span>0.99 MB 人氣： 2017-12-22 需要積分：1
推薦 + 挑錯(cuò) + 收藏(0) + 用戶評論（0）
標(biāo)簽：分割算法(7182)
針對固定空間和色彩帶寬的均值漂移分割算法無法解決的錯(cuò)分割問題，提出一種基于顯著性特征進(jìn)行密度修正的均值漂移分割算法。首先基于密度估計(jì)的主顏色量化結(jié)果計(jì)算區(qū)域視覺顯著性；其次，將區(qū)域視覺顯著性融合像素級(jí)顯著性作為色彩特征空間聚類的密度修正因子，將密度修正后的融合圖像作為輸入執(zhí)行均值漂移分割；最后進(jìn)行小區(qū)域合并獲得最終分割結(jié)果。實(shí)驗(yàn)結(jié)果顯示，所提分割算法在四種尺度上的真實(shí)邊界準(zhǔn)確率和召回率平均值達(dá)到0. 64和0.78，與其他方法相比，分割精度有顯著的提高；同時(shí)，在視覺上有效提高了目標(biāo)完整性，增強(qiáng)了自然圖像中目標(biāo)分割的魯棒性。
非常好我支持^.^
(0) 0%
不好我反對
(0) 0%
下載地址
基于顯著性特征進(jìn)行密度修正的均值漂移分割算法下載
相關(guān)電子資料下載
- 最全綜述：圖像分割算法 533
- 圖像分割算法原理及工作流程 1249
- 雷達(dá)點(diǎn)云動(dòng)態(tài)目標(biāo)分割算法研究分析 585
- 詳解圖像分割算法 1040
- 首個(gè)無監(jiān)督3D點(diǎn)云物體實(shí)例分割算法 1824
- 一個(gè)全新的無監(jiān)督不需要明確物體種類的實(shí)例分割算法 2130
- 如何縮小弱監(jiān)督信號(hào)與密集預(yù)測之間的差距 965
- 基于深度學(xué)習(xí)的場景分割算法研究 486
- 基于 U-Net 的醫(yī)學(xué)影像分割算法 4479
- 基于FPGA的自適應(yīng)閾值分割算法實(shí)現(xiàn) 3216