[1]周卫星 廖欢.基于K均值聚类和概率松弛法的图像区域分割[J].计算机技术与发展,2010,(02):68-70.
　ZHOU Wei-xing,LIAO Huan.Region- Based Image Segmentation Based on K- means and Probability Relaxation[J].,2010,(02):68-70.
点击复制

基于K均值聚类和概率松弛法的图像区域分割()
分享到：

《计算机技术与发展》[ISSN:1006-6977/CN:61-1281/TN]

卷:
期数:
2010年02期
页码:
68-70
栏目:
智能、算法、系统工程
出版日期:
1900-01-01

文章信息/Info

Title:
Region- Based Image Segmentation Based on K- means and Probability Relaxation
文章编号:
1673-629X（2010）02-0068-03
作者:
周卫星 廖欢
华南师范大学物理与电信工程学院
Author(s):
ZHOU Wei-xing;  LIAO Huan
School of Physics ＆ Telecommunication Engineering, South China Normal University
关键词:
图像区域分割; K均值; 概率松弛
Keywords:
region- based image segmentation;  K - means;  probability relaxation
分类号:
TP391
文献标志码:
A
摘要:
在进行图像区域分割时，为了减少过度分割现象，可利用K均值算法简单、快速并且能够有效地处理大数据库的优点及概率松弛算法并行快速且考虑空间信息的优点，同时考虑灰度信息和空间信息将两种方法相结合应用于图像的区域分割。首先利用K均值聚类方法将图像初步分为多个类，然后，利用迭代的概率松弛法对粗分结果进行优化，对一些疑似像素进行进一步分割和目标提取。实验结果表明，该算法比较简单且具有良好的特性。
Abstract:
In order to reduce over- segmentation, ean take advantages of K- means which is simple, fast and able to deal with large database and probability relaxation. The method of combining K - means and probability relaxation is used in this paper. First apply K

相似文献/References:

[1]张明恒 王华莹 郭烈.基于改进K—Means算法的车辆识别方法[J].计算机技术与发展,2012,(05):53.
　ZHANG Ming-heng,WANG Hua-ying,GUO Lie.Method of Vehicle Detection Based on Improved K-Means Algorithm[J].,2012,(02):53.
[2]李雷,施冬艳.基于自动样本和PSO优化组合核的图像分割[J].计算机技术与发展,2014,24(06):79.
　LI Lei,SHI Dong-yan.Image Segmentation of Optimized Combined Kernel Based on Automatic Sample and PSO[J].,2014,24(02):79.

备注/Memo

备注/Memo:
广东省攻关项目（200813080701053）周卫星（1958-），男，副教授，研究方向为图像处理、模式识别。
更新日期/Last Update: 1900-01-01