一种基于模C均值的图像超像素分割方法

Chinese

您当前的位置：

首页 >

文章列表页 >

一种基于模C均值的图像超像素分割方法

更新时间：2026-09-04

- 一种基于模C均值的图像超像素分割方法
- Fuzzy C-Means Clustering Algorithm with Superpivel for Image Segmentation
- 微电子学与计算机 2014年31卷第10期页码：18-21
- 作者机构：
- 作者简介：
- 基金信息：
- DOI：
  中图分类号：
- 纸质出版：2014
- 稿件说明：
移动端阅览
一种基于模C均值的图像超像素分割方法[J]. 微电子学与计算机, 2014, 31(10): 18-21,27.

Fuzzy C-Means Clustering Algorithm with Superpivel for Image Segmentation[J]. 2014, 31(10): 18-21.
一种基于模C均值的图像超像素分割方法[J]. 微电子学与计算机, 2014, 31(10): 18-21,27. DOI：

Fuzzy C-Means Clustering Algorithm with Superpivel for Image Segmentation[J]. 2014, 31(10): 18-21. DOI：

在分析现有图像分割算法基础上

提出一种基于超像素的模糊C均值分割算法.首先利用像素间灰度和距离定义像素间相似度

从而循环迭代出图像的超像素;然后进一步提取每个超像素的小波能量特征并利用模糊C均值算法对该特征进行聚类.大量实验表明

提出的图像分割算法对噪声有一定稳健性

分割准确率高

并能有效抑制孤立点的影响.

Based on the analysis of common segmentation methods

a fuzzy C-means (FCM) clustering algorithm with superpixel is proposed in this paper.Firstly

a kind of pixel similarity considering intensity and distance is defined and the image superpixels are generated.After that

the wavelet energy features are extracted from the superpixels

which are clustered by FCM.The experimental results demonstrate that the proposed method is robust to noise and isolated pixels

which can improve the segmentation accuracy.

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于改进RT-DETR的航拍小目标检测算法

基于监控指标关联性的微服务异常检测

一种用于极低压boost系统的高效率电荷泵

V型沟槽SiC中子探测器的蒙特卡洛分析

低功耗设计的双链电源关断策略的实现与验证