

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
1、生命信息科學(xué)的不斷發(fā)展,對信息源的要求越來越高。在植物切片的分析研究中,常常需要對圖像中各個不同特征的子區(qū)域進行詳細研究。這就需要對切片的各個不同特征的子區(qū)域進行按類分割,然后對各個子區(qū)域分別進行特征描述。
傳統(tǒng)的聚類分割方法,主要集中在圖像的紋理特征或灰度上,對圖像信息量的使用比較不充分,在植物切片的特征區(qū)域分割上很難取得理想效果。本文針對植物切片的豐富的顏色特征和細致的紋理結(jié)構(gòu),基于k-mean,融合顏色、空間坐標以及紋理
2、特性的多維信息,研究不同特征區(qū)域間的聚類分割方法。主要工作如下:
?。?)對本論文涉及的植物切片圖像,采用目前主要的圖像分割技術(shù)進行分割試驗,通過試驗結(jié)果分析各種方法的優(yōu)缺點,指出這些方法對植物切片特征區(qū)域分割所存在的困難。
?。?)深入研究了Mean Shift和k-means聚類分割方法。通過大量試驗、分析和比較,指出Mean Shift算法在聚類過程中所具有的良好自適應(yīng)性,但其核函數(shù)的帶寬在某種意義上限制了這種自適
3、應(yīng)性。k-means算法原理簡單、聚類效果好,在初始化聚類中心時比較靈活,但也因此會導(dǎo)致聚類工作量變大。圖像特征的選定與提取在這里成為關(guān)鍵,不同特征帶來不一樣的分割效果,也影響聚類工作量的大小。
?。?)針對本論文涉及的植物切片圖像特點—豐富的顏色特征和細致的紋理結(jié)構(gòu),研究建立了基于紋理和顏色組合特征的區(qū)域分割方法。首先,建立了基于顏色、空間坐標和紋理特征的組合特征向量。為提高k-means算法效率,對特征向量進行降維、并設(shè)計了
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- K均值聚類分割的多特征圖像檢索方法研究.pdf
- k均值聚類在基于opencv的圖像分割中的應(yīng)用
- 基于區(qū)域聚類的SAR圖像分割方法研究.pdf
- 基于模糊C均值聚類方法的圖像分割算法研究.pdf
- 基于模糊C均值聚類的彩色圖像分割方法研究.pdf
- 基于K-均值聚類及數(shù)學(xué)形態(tài)學(xué)的細胞圖像自動分割方法研究.pdf
- 基于中智C-均值聚類的分割算法研究.pdf
- 基于模糊c均值聚類的SAR圖像分割算法研究.pdf
- 基于聚類和區(qū)域生長的彩色圖像分割方法.pdf
- 基于聚類的圖像分割方法研究.pdf
- 基于模糊均值聚類的腦MR圖像分割算法的研究.pdf
- 基于聚類的圖像目標分割方法研究.pdf
- 基于模糊C均值聚類的彩色圖像分割算法研究.pdf
- 基于Markov隨機場和K均值聚類的小麥葉部病害圖像分割.pdf
- 基于模糊C-均值聚類的圖像分割技術(shù)研究.pdf
- 基于多特征和子空間聚類的圖像分割方法.pdf
- 基于區(qū)域生長與聚類的彩色圖像分割方法的改進.pdf
- 基于模糊聚類圖像分割方法研究.pdf
- 基于模糊聚類的圖像分割方法的研究.pdf
- 基于模糊C均值聚類與超像素方法的腦部MR圖像分割.pdf
評論
0/150
提交評論