一种基于耦合对象相似度的阈值分割算法.pdf

一种基于耦合对象相似度的阈值分割算法.pdf

  1. 1、本文档共6页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
一种基于耦合对象相似度的阈值分割算法.pdf

第 42卷 第 10期 计 算 机 工 程 2016年 10月 Vo1.42 NO.10 ComputerEngineering October2016 · 图形图像处理 · 文章编号:1000-3428(2016)10-0255-06 文献标志码:A 中图分类号:TP391 一 种基于耦合对象相似度的阈值分割算法 孙劲光 一.赵 欣 (1.辽宁工程技术大学 电子与信息工程学院,辽宁 葫芦岛 125105; 2.辽宁省数字化矿山装备工程技术研究中心,辽宁 阜新 123000) 摘 要:传统Otsu及其大多数改进的算法只将类间方差作为最优阈值的唯一依据 ,使得对直方图分布不同图像的 分割效果差异很大 。针对该问题 ,提出一种新 的阈值分割方法 。建立一个耦合对象相似度模型,考虑对象的各种 属性以及属性之间的关系,以捕获对象间的关联关系。采用耦合对象相似度替代传统 Otsu算法中的类间方差,将 所选阈值划分出的每个类分别看作耦合对象相似度模型中的一个对象,每个类都有类的概率和灰度均值这 2个属 性 ,计算类间相似度,并在类间相似度最小时取得最优阈值 。实验结果表明,与传统Otsu、二维 Otsu、大熵分割算法 相 比,该算法能提高刻画类间差异的精确度和图像的分割精度。 关键词 :图像分割 ;方差 ;耦合对象相似度 ;类间相似度 ;最优阈值 中文引用格式:孙劲光,赵 欣.一种基于耦合对象相似度的阈值分割算法[J].计算机工程,2016,42(10):255—260. 英文引用格式:SunJinguang,ZhaoXin.AThresholdSegmentationAlgorithmBasedonCoupledObjectSimilarity[J] ComputerEngineering,2016,42(1O):255—260. AThresholdSegmentationAlgorithm BasedonCoupledObjectSimilarity SUN Jinguang ,ZHAO Xin (1.SchoolofElectronicandInformationEngineering,LiaoningTechnicalUniversity,Huludao,Liaoning125105,China; 2.LiaoningDigitalMiningEquipmentEngineeringTechnologyResearchCenter,Fuxin,Liaoning123000,China) 【Abstract】SincetheOtsumethodandmostofitsimprovedmethodstakebetween—classvarianceasthefoundationof pickingthreshold,which causesgreatdifference in segmentation forimagewith differenthistogram distribution,a new thresholdsegmentationalgorithm isproposedinthispaper.Firstly,amodelofCoupledObjectSimilarity(COS)is introduced,whichcantakeboththerelationshipofthevariousattributesoftheobjectitselfandtherelationshipbetween thepropertiesintoaccount,andcancapturetherelationshipsbetweentheobjects.Secondly,between—classvarianceinthe Otsumethodisreplacedby COS to pick threshold.Each classdistinguishedby theselectedthres

文档评论(0)

170****0532 + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

版权声明书
用户编号:8015033021000003

1亿VIP精品文档

相关文档