针对分形网络演化算法(Fractal Net Evolution Approach,FNEA)中特征的利用问题和异质度权值的选择问题,提出一种改进的FNEA方法,充分利用影像的多特征信息,增加了纹理异质性,使得影像整体异质性包含的影像信息更加丰富,更加全面,同时...针对分形网络演化算法(Fractal Net Evolution Approach,FNEA)中特征的利用问题和异质度权值的选择问题,提出一种改进的FNEA方法,充分利用影像的多特征信息,增加了纹理异质性,使得影像整体异质性包含的影像信息更加丰富,更加全面,同时对异质度权值的选择进行改进,根据不同异质度对不同对象分割的贡献度设定权值,使得权值的选择更加合理。实验结果表明,该方法对影像特征的利用更为合理,图像分割结果得到了较大的改善。展开更多
文摘针对分形网络演化算法(Fractal Net Evolution Approach,FNEA)中特征的利用问题和异质度权值的选择问题,提出一种改进的FNEA方法,充分利用影像的多特征信息,增加了纹理异质性,使得影像整体异质性包含的影像信息更加丰富,更加全面,同时对异质度权值的选择进行改进,根据不同异质度对不同对象分割的贡献度设定权值,使得权值的选择更加合理。实验结果表明,该方法对影像特征的利用更为合理,图像分割结果得到了较大的改善。