摘要
论文提出了一种高效的自适应多颜色空间融合方法,在六个不同的颜色空间中选择最佳分割分量,利用直方图和Sugeno模糊C均值聚类算法(SFCM)技术对分割进行初始化,融合了分割结果并合并了相似的区域。利用该算法在Berkeley图像数据库上进行实验,结果表明:与传统的均值漂移(Mean-shift)、FCR、CTM等分割算法相比,该方法分割效果较好且具有一定的实用价值。
An efficient adaptive multi-color space fusion method is proposed in this paper.The optimal segmentation component is selected in six different color spaces,and the segmentation is initialized by histogram and sueno fuzzy c-means clustering(SFCM)technology.The segmentation results are fused and similar regions are merged.Experiments on Berkeley image database show that compared with traditional mean-shift,FCR,CTM and other segmentation algorithms,this method has better segmentation effect and certain practical value.
作者
何子博
HE Zibo(Northeast Forestry University,Harbin 150040)
出处
《计算机与数字工程》
2020年第4期799-804,共6页
Computer & Digital Engineering
基金
2018年度国家大学生创新训练项目(东北林业大学大学生创新训练计划项目)“具有时滞的生物数学模型研究”(编号:201810225096)资助。