...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Journal of Computers >Gaussian Kernelized Fuzzy c-means with Spatial Information Algorithm for Image Segmentation
【24h】

Gaussian Kernelized Fuzzy c-means with Spatial Information Algorithm for Image Segmentation

机译：具有空间信息算法的高斯肠化模糊C型图像分割

获取原文
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

—FCM is used for image segmentation in some applications. It is based on a specific distance norm and does not use spatial information of the image, so it has some drawbacks. Various kinds of improvements have been developed to extend the adaptability, such as BFCM, SFCM and KFCM. These methods extend FCM from two aspects, one is replacing the Euclidean norm, and the other is considering the spatial information constraints for clustering. Kernel distance can improve the robustness for multi-distribution data sets. Spatial information can help eliminate the sensitivity to noises and outliers. In this paper, Gaussian kernel-based fuzzy c-means algorithm with spatial information (KSFCM) is proposed. KSFCM is more robust and adaptive. The experiment results show that KSFCM has the better performance.
机译：-fcm用于某些应用中的图像分段。它基于特定距离规范，不使用图像的空间信息，因此它具有一些缺点。已经开发出各种改进以扩展适应性，例如BFCM，SFCM和KFCM。这些方法从两个方面扩展到FCM，一个是替换欧几里德规范，另一个是考虑群集的空间信息约束。内核距离可以提高多分发数据集的稳健性。空间信息可以帮助消除对噪声和异常值的敏感性。本文提出了一种基于高斯内核的模糊C型算法，具有空间信息（KSFCM）。 KSFCM更加强大和自适应。实验结果表明，KSFCM具有更好的性能。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

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