基于云模型的图像区域分割方法

被引:30
作者
许凯 [1 ]
秦昆 [1 ]
黄伯和 [1 ]
杜鹢 [2 ]
机构
[1] 武汉大学遥感信息工程学院
[2] 通信网络技术管理中心
关键词
区域生长; 云模型; 不确定性;
D O I
暂无
中图分类号
TP391.41 [];
学科分类号
080203 ;
摘要
基于区域的图像分割方法由于其高效、稳健的特点成为自动或半自动图像分割方法的研究热点之一。针对区域分割方法中存在的不确定性问题,提出了一种基于云模型的区域分割方法。首先以云变换为基础确定了区域生长过程中的生长准则,然后以逆向云算法实现分割区域由定量的像素集合到定性的云概念的转换过程,最后以云综合算法为基础将相邻区域进行合并,实现了基于区域的不确定性图像分割。两组图像分割实验表明该方法可以准确地分割出目标,并优于传统的图像分割算法。
引用
收藏
页码:757 / 763
页数:7
相关论文
共 5 条
[1]   基于云模型的图像分割方法研究 [J].
秦昆 ;
李德毅 ;
许凯 .
测绘信息与工程, 2006, (05) :3-5
[2]   云理论及其在空间数据发掘和知识发现中的应用 [J].
邸凯昌 ;
李德毅 ;
李德仁 .
中国图象图形学报, 1999, (11) :32-37
[3]  
不确定性人工智能[M]. 国防工业出版社 , 李德毅,杜鹢著, 2005
[4]   A semi-automatic seeded region growing algorithm for video object localization and tracking [J].
Grinias, I ;
Tziritas, G .
SIGNAL PROCESSING-IMAGE COMMUNICATION, 2001, 16 (10) :977-986
[5]   An improved seeded region growing algorithm [J].
Mehnert, A ;
Jackway, P .
PATTERN RECOGNITION LETTERS, 1997, 18 (10) :1065-1071