Gabor滤波器和ICA支持的无监督纹理分割

被引：4

作者：

向世明

刘国翌

陈睿

李华

机构：

[1] 中国科学院计算技术研究所智能信息处理重点实验室

[2] 中国科学院计算技术研究所智能信息处理重点实验室北京

[3] 北京

来源：

计算机辅助设计与图形学学报 | 2004年 / 03期

基金：

国家科技攻关计划;

关键词：

无监督纹理分割; Gabor滤波器; 独立分量分析; 主分量分析; 特征整合;

D O I：

暂无

中图分类号：

TP391.4 [模式识别与装置];

学科分类号：

0811 ; 081101 ; 081104 ; 1405 ;

摘要：

纹理分割已经取得了很大的进展 ,但仍然缺乏一个轻便的解决方案建立了一个无监督纹理分割框架 ,其核心是将Gabor滤波器所提取的特征视为统计量 ,用独立分量分析 (ICA)整合特征 ,并用独立分量作为新的纹理特征 ,避开了Gabor滤波器参数选择的难题实验结果表明 ,ICA比主分量分析更利于纹理特征重整采用该方法对大多数自然纹理能够得到满意的分割结果

引用

页码：284 / 289+296 +296

页数：7

共 25 条

[21]

Markovrandomfieldmodelingincomputervision. LiSZ. . 1995

[22]

Markovrandomfieldmodelingincomputervision. LiSZ. . 1995

[23]

PrincipalComponentAnalysis. JolliffeIT. . 1986

[24]

Texturesegmentationbasedonpatternmapsobtainedbyindependentcomponentanal ysis[OL]. ZengXY,ChenYW,NakaoZ ,etal. http://www cse cuhk edu hk/-apnna/proceed ings/iconip2001/papers/300a pdf . 2001

[25]

Minimaxentropyprincipleanditsapplicationtotexturemodeling[OL]. ZhuSC,WuY,MumfordD. http://citeseer.nj.nec.com/zhu97minimax html . 1997

← 1 2 3 →