• 主题
高级搜索  >
历史搜索 清空历史
首页> 美国卫生研究院文献>Sensors (Basel Switzerland) >Adaptive Segmentation of Remote Sensing Images Based on Global Spatial Information
【2h】

Adaptive Segmentation of Remote Sensing Images Based on Global Spatial Information

机译：基于全球空间信息的遥感图像自适应分割

代理获取
本网站仅为用户提供外文OA文献查询和代理获取服务，本网站没有原文。下单后我们将采用程序或人工为您竭诚获取高质量的原文，但由于OA文献来源多样且变更频繁，仍可能出现获取不到、文献不完整或与标题不符等情况，如果获取不到我们将提供退款服务。请知悉。
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

The problem of image segmentation can be reduced to the clustering of pixels in the intensity space. The traditional fuzzy c-means algorithm only uses pixel membership information and does not make full use of spatial information around the pixel, so it is not ideal for noise reduction. Therefore, this paper proposes a clustering algorithm based on spatial information to improve the anti-noise and accuracy of image segmentation. Firstly, the image is roughly clustered using the improved Lévy grey wolf optimization algorithm (LGWO) to obtain the initial clustering center. Secondly, the neighborhood and non-neighborhood information around the pixel is added into the target function as spatial information, the weight between the pixel information and non-neighborhood spatial information is adjusted by information entropy, and the traditional Euclidean distance is replaced by the improved distance measure. Finally, the objective function is optimized by the gradient descent method to segment the image correctly.
机译：图像分割的问题可以减少到强度空间中像素的聚类。传统的模糊c均值算法仅使用像素隶属度信息，而没有充分利用像素周围的空间信息，因此对于降噪而言并不理想。因此，本文提出了一种基于空间信息的聚类算法，以提高图像的抗噪性和分割精度。首先，使用改进的Lévy灰太狼优化算法（LGWO）对图像进行粗略聚类，以获得初始聚类中心。其次，将像素周围的邻域和非邻域信息作为空间信息添加到目标函数中，通过信息熵来调整像素信息与非邻域空间信息之间的权重，通过改进的欧氏距离代替传统的欧几里得距离距离测量。最后，通过梯度下降法优化目标函数以正确分割图像。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
代理获取

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号