基于纹理聚类的抠图算法

针对当图像纹理比较丰富时抠图难的问题,基于K近邻(KNN)抠图算法提出了一种纹理聚类抠图(TCM)方法。该方法首先提取出纹理特征;然后用该纹理特征与颜色和位置特征一起构造新的特征空间;接下来在该特征空间上聚类近邻像素以构造Laplacian抠图矩阵;最后利用闭形解求解不透明度。在基准数据集上的实验结果表明,该方法的总排名有显著提升,对于纹理丰富的图像取得了比较好的抠图效果。

基于脉冲神经网络的聚类算法研究

结合脉冲神经元网络的生物机制与改进的灰度共生矩阵算法,尝试模拟大脑提取关键信息的能力,并且使用这些提取到的信息实现纹理图像的分割。实验结果表明:这种利用灰度共生矩阵算法训练的脉冲神经元网络可以有效地提取图像的共生特征,并且可获得较好的纹理图像分割效果。