湖南省大学生研究性学习与创新性实验计划项目([2013]191501)
- 作品数：3 被引量：10H指数：2
- 相关作者：吴佳英陈沅涛徐蔚鸿胡蓉匡芳君更多>>
- 相关机构：长沙理工大学南京理工大学湖南安全技术职业学院更多>>
- 发文基金：湖南省大学生研究性学习与创新性实验计划项目湖南省科技计划项目湖南省教育厅科研基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 应用改进视觉显著性度量方法进行图像分割被引量：2
- 2015年
- 视觉注意机制是人类与生俱来的特有属性.在视觉注意机制的协助下,人类视觉系统可以有选择性地针对视觉信息进行处理并有效解决有限信息处理资源与海量视觉信息之间的矛盾.与现有基于计算机视觉机制的图像分割方法比较,本文提出改进视觉显著性度量方法生成的系统显著图能够更加准确表现原始图像中各个像素点的显著性值,根据系统显著图进行阈值分割便可以对前景目标和背景区域进行区分,不需要加入其他方法,这样既可以降低运算时间复杂度,又可以使得图像分割结果更符合人类视觉特点.本文算法对于包含前景目标可得到优良的图像分割结果,但本方法对于背景较复杂同时前景目标模糊的原始图像的图像分割效果不够理想.
- 陈沅涛徐蔚鸿吴佳英向智武
- 关键词：图像分割视觉显著性阈值分割
- 图像分割中空间一致性和无监督聚类算法应用被引量：3
- 2014年
- 图像空间结构中的图像一致性和无监督聚类信息在图像分割过程中有着非常重要的作用,提出应用图像空间一致性和无监督聚类算法来达到快速执行图像分割的新算法.首先,利用概率树结构针对目标图像进行图像分割过程中形成的过分割区域,并使得这些区域能够达到理想边缘部分;然后,将用基于概率的无监督图像分割框架来处理分割区域.概率树结构结合了以往传统树结构的相关优点,能够更加自然地针对对象的相关边界进行框架建模.本文提出的算法不需要在每次迭代执行过程中更新相关自适应结构,从而可以大大减少计算所需要的时间.通过非参数密度估计技术结合传统的精确反馈框架,此类评价方法针对人类对象而言具有更为强大的边界不一致.
- 陈沅涛徐蔚鸿吴佳英匡芳君
- 关键词：图像分割
- 基于增量学习向量SVM方法的图像分割应用被引量：5
- 2014年
- 为了解决经典支持向量机方法已发现的执行时间长、执行效率低的相关问题,提出基于增量学习向量的支持向量机学习方法。该算法通过对训练样本集合的相关增量学习向量进行训练学习来得到初始支持向量机分类器。利用该初始化分类器在有关条件下针对初始训练样本集进行缩减得到精简缩小集,再应用精简缩小集针对初始支持向量机的分类器反向加工来得到支持向量机的最终分类器。该算法可大幅度降低大容量数据集上支持向量机的学习时间,并且具有很好的泛化能力。为了验证本学习方法的可应用性,从Berkeley图像分割数据集BSDS500和互联网上选取相关彩色图像进行仿真实验。该文实验结果表明:该方法得到分割结果的过程不仅比传统支持向量机耗时少,且与Berkeley图像分割数据集中人工标注结果比较得到较好分割效果。
- 陈沅涛徐蔚鸿吴佳英胡蓉
- 关键词：支持向量机图像分割
