新型的无监督纹理分割方法

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

新型的无监督纹理分割方法

王敏琴, 韩国强, 涂泳秋

文章导航 > 电子科技大学学报 > 2010 > 39(1): 11-15

王敏琴, 韩国强, 涂泳秋. 新型的无监督纹理分割方法[J]. 电子科技大学学报, 2010, 39(1): 11-15. doi: 10.3969/j.issn.1001-0548.2010.01.003

引用本文:

王敏琴, 韩国强, 涂泳秋. 新型的无监督纹理分割方法[J]. 电子科技大学学报, 2010, 39(1): 11-15. doi: 10.3969/j.issn.1001-0548.2010.01.003

WANG Min-qin, HAN Guo-qiang, TU Yong-qiu. New Unsupervised Texture Image Segmentation Method[J]. Journal of University of Electronic Science and Technology of China, 2010, 39(1): 11-15. doi: 10.3969/j.issn.1001-0548.2010.01.003

Citation:

WANG Min-qin, HAN Guo-qiang, TU Yong-qiu. New Unsupervised Texture Image Segmentation Method[J]. Journal of University of Electronic Science and Technology of China, 2010, 39(1): 11-15. doi: 10.3969/j.issn.1001-0548.2010.01.003

新型的无监督纹理分割方法

doi: 10.3969/j.issn.1001-0548.2010.01.003

1.
华南理工大学计算机科学与工程学院广州 510642;
2.
肇庆学院计算机科学与软件学院广东肇庆 526061

基金项目:

国家自然科学基金(60573019);广东省自然科学基金(07300561)

作者简介:
王敏琴(1966-),女,博士,副教授,主要从事模式识别、图像分割与修复等方面的研究.

中图分类号: TP751.1

New Unsupervised Texture Image Segmentation Method

1.
School of Computer Science and Engineering,South China University of Technology Guangzhou 510642;
2.
School of Computer Science and Software Engineering,Zhaoqing University Zhaoqing Guangdong 526061

摘要: 提出了一种利用Gabor滤波器组对图像进行纹理特征提取,然后将这些特征向量作为外部刺激输入给PCNN对图像进行分割的新方法。该方法既保持了精确的分割结果,同时又解决了Gabor滤波器运算数据量大处理速度慢的问题。从实验结果可以看出,该方法与传统采用Gabor的纹理分割方法相比速度有很大的提高,而其分割精度与传统分割方法相似。
- 特征提取 /
- 滤波器 /
- 脉冲耦合神经网络 /
- 纹理分割
Abstract: An algorithm based on Gabor filters is presented to extract image texture character.The extracted features are inputted into the PCNN to segment the image.This method can achieve good segmentation result and improve the algorithm's processing speed.The experiment results show that the proposed method process faster than the traditional method using Gabor filters,meanwhile,both of them have the similar segmentation accuracy.
- feature extraction /
- filters /
- pulse coupled neural network /
- texture segmentation

[1]	石东子, 林宏辉, 刘一江, 张鑫. 面向骨架手势识别的全局时空可变形网络 . 电子科技大学学报, 2024, 53(1): 60-66. doi: 10.12178/1001-0548.2022401
[2]	王兆滨, 徐敏哲. 双通道量子脉冲耦合神经网络 . 电子科技大学学报, 2023, 52(3): 331-340. doi: 10.12178/1001-0548.2022101
[3]	董帅, 李文生, 张文强, 邹昆. 基于多视图循环神经网络的三维物体识别 . 电子科技大学学报, 2020, 49(2): 269-275. doi: 10.12178/1001-0548.2019017
[4]	杨旺功, 淮永建, 张福泉. 基于Gabor及深度神经网络的葡萄种子分类 . 电子科技大学学报, 2020, 49(1): 131-138. doi: 10.12178/1001-0548.2019164
[5]	田坤, 李晋. 太赫兹频段微动特征边缘检测及提取方法 . 电子科技大学学报, 2018, 47(1): 19-24, 36. doi: 10.3969/j.issn.1001-0548.2018.01.003
[6]	张永亮, 苏涛, 吴边, 周润景. 含有频变耦合系数的交叉耦合滤波器优化设计 . 电子科技大学学报, 2018, 47(4): 516-520. doi: 10.3969/j.issn.1001-0548.2018.04.007
[7]	戴晓爱, 郭守恒, 任淯, 杨晓霞, 刘汉湖. 基于堆栈式稀疏自编码器的高光谱影像分类 . 电子科技大学学报, 2016, 45(3): 382-386. doi: 10.3969/j.issn.1001-0548.2016.02.012
[8]	张天良, 周立国, 羊恺, 陈鹏, 任向阳, 侯方焰, 杨常林. 无耦合交叉线高温超导准椭圆函数滤波器 . 电子科技大学学报, 2016, 45(1): 26-29. doi: 10.3969/j.issn.1001-0548.2016.01.003
[9]	闫海, 李国辉, 李建勋. 雷达抗欺骗式干扰信号特征提取方法 . 电子科技大学学报, 2015, 44(1): 50-54. doi: 10.3969/j.issn.1001-0548.2015.01.008
[10]	王聪, 张凤荔, 杨晓翔. 分布式环境下动态网络时延矩阵正则化重建 . 电子科技大学学报, 2014, 43(6): 923-928. doi: 10.3969/j.issn.1001-0548.2014.06.022
[11]	马义德, 冯晓文, 绽琨, 赵荣昌, 李小军. 预防性反馈PCNN模型及在组合优化问题中的应用 . 电子科技大学学报, 2013, 42(5): 740-744. doi: 10.3969/j.issn.1001-0548.2013.05.018
[12]	韩杰思, 沈建京. 采用图像滤波的多特征JPEG盲检测 . 电子科技大学学报, 2011, 40(2): 255-260. doi: 10.3969/j.issn.1001-0548.2011.02.020
[13]	龙文, 马坤, 辛阳, 杨义先. 适用于协议特征提取的关联规则改进算法 . 电子科技大学学报, 2010, 39(2): 302-305. doi: 10.3969/j.issn.1001-0548.2010.02.032
[14]	李建勋, 唐斌, 吕强. 双谱特征提取在欺骗式干扰方式识别中的应用 . 电子科技大学学报, 2009, 38(3): 329-332. doi: 10.3969/j.issn.1001-0548.2009.03.003
[15]	刘德平, 刘晓宇, 陈建军. 逆向工程特征参数提取技术研究 . 电子科技大学学报, 2008, 37(3): 474-477.
[16]	肖继学, 陈光礻禹, 谢永乐. DF-FPDLMS自适应滤波器的可测性设计与测试 . 电子科技大学学报, 2007, 36(4): 740-743.
[17]	胡皓全, 宋伟. Ka波段微带检波器设计 . 电子科技大学学报, 2006, 35(3): 324-327.
[18]	王田, 杨士中. 带包络约束的优化滤波器设计方法 . 电子科技大学学报, 2006, 35(3): 298-301.
[19]	李仕奇, 张本全, 王锡良. 等直径金属销波导带通滤波器的设计 . 电子科技大学学报, 2003, 32(2): 142-145.
[20]	马金龙, 田福庸. 一种设计开关电容滤波器的系统方法 . 电子科技大学学报, 1998, 27(4): 385-389.

WeChat

点击查看大图

计量

文章访问数: 3483
HTML全文浏览量: 128
PDF下载量: 99
被引次数: 0

新型的无监督纹理分割方法

doi: 10.3969/j.issn.1001-0548.2010.01.003

1. 华南理工大学计算机科学与工程学院广州 510642;

2. 肇庆学院计算机科学与软件学院广东肇庆 526061

基金项目:

国家自然科学基金(60573019);广东省自然科学基金(07300561)

作者简介:
王敏琴(1966-),女,博士,副教授,主要从事模式识别、图像分割与修复等方面的研究.

收稿日期: 2008-08-08
修回日期: 2009-01-10
刊出日期: 2010-02-15

中图分类号: TP751.1

关键词:

摘要: 提出了一种利用Gabor滤波器组对图像进行纹理特征提取,然后将这些特征向量作为外部刺激输入给PCNN对图像进行分割的新方法。该方法既保持了精确的分割结果,同时又解决了Gabor滤波器运算数据量大处理速度慢的问题。从实验结果可以看出,该方法与传统采用Gabor的纹理分割方法相比速度有很大的提高,而其分割精度与传统分割方法相似。

English Abstract

王敏琴, 韩国强, 涂泳秋. 新型的无监督纹理分割方法[J]. 电子科技大学学报, 2010, 39(1): 11-15. doi: 10.3969/j.issn.1001-0548.2010.01.003

引用本文:

王敏琴, 韩国强, 涂泳秋. 新型的无监督纹理分割方法[J]. 电子科技大学学报, 2010, 39(1): 11-15. doi: 10.3969/j.issn.1001-0548.2010.01.003

WANG Min-qin, HAN Guo-qiang, TU Yong-qiu. New Unsupervised Texture Image Segmentation Method[J]. Journal of University of Electronic Science and Technology of China, 2010, 39(1): 11-15. doi: 10.3969/j.issn.1001-0548.2010.01.003

Citation:

WANG Min-qin, HAN Guo-qiang, TU Yong-qiu. New Unsupervised Texture Image Segmentation Method[J]. Journal of University of Electronic Science and Technology of China, 2010, 39(1): 11-15. doi: 10.3969/j.issn.1001-0548.2010.01.003

全文HTML

/

下载: 全尺寸图片幻灯片

分享

用微信扫码二维码

分享至好友和朋友圈

返回

期刊在线

编辑办公

友情链接

电子科技大学

版权所有 © 《电子科技大学学报》编辑部

地址: 成都市建设北路二段四号电子科技大学主楼中350室电话: 028-83202308,83207559 Email: xuebao@uestc.edu.cn

本系统由北京仁和汇智信息技术有限公司开发