基于Mean shift算法的煤岩分界识别

被引：3

作者：

江静 ^{[1
,2
]}

朱元忠 ^{[3
]}

机构：

[1] 中国矿业大学(北京)机电与信息工程学院

[2] 华北科技学院机电工程学院

[3] 北京工业职业技术学院电气与信息工程学院

来源：

工矿自动化 | 2015年 / 41卷 / 04期

基金：

国家高技术研究发展计划(863计划);

关键词：

煤岩分界; 煤岩识别; Mean shift算法; 图像分割;

D O I：

10.13272/j.issn.1671-251x.2015.04.019

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

提出了一种基于Mean shift算法的煤岩分界识别方案。首先介绍了Mean shift算法原理,通过关联图像的像素位置向量和灰度值构建了一个空间联合域;然后给出了适用于煤岩图像分割的带宽参数选择方法,以去除虚假孤立区域和杂散边界;最后利用煤岩图像的人造边界和真实边界进行仿真,结果表明Mean shift算法较K-means算法能更准确地获得煤岩分界线。

引用

页码：74 / 77

页数：4

共 10 条

[1] 基于图像多小波变换的煤岩界面识别 [J].

郝清玉 ;

朱元忠 ;

陈健 .

工矿自动化, 2015, 41 (02) :50-53

[2]

The estimation of the gradient of a density function, with applications in pattern recognition. Fukunaga K,Hostetler L D. IEEE Transactions on Information Theory . 1975

[3]

Mean shift,mode seeking and clustering. Cheng Y. IEEE Transactions on Pattern Analysis and Machine Intelligence . 1995

[4]

Mean shift: a robust approach toward feature space analysis. Comaniciu D,Meer P. IEEE Transactions on Pattern Analysis and Machine Intelligence . 2002

[5]

Mean shift analysis and applications. Comaniciu D,Meer P. Proceedings of the Seventh IEEE International Conference Computer Vision . 1999

[6]

The variable bandwidth mean shift and data-driven scale selection. Comaniciu D,Ramesh V,Meer P. Proceedings of the IEEE International Conference on Computer Vision (ICCV) . 2001

[7]

Computer vision:algorithms and applications. RICHARD S. . 2011

[8]

Pattern recognition and machine learning. CHRISTOPHER M B. . 2006

[9]

An algorithm for data-driven bandwidth selection. Comaniciu,D. Pattern Analysis and Machine Intelligence, IEEE Transactions on . 2003

[10]

滚筒式采煤机工作机构[M]. 哈尔滨工程大学出版社 , 刘春生, 2010

← 1 →