-
公开(公告)号：CN105678798A
公开(公告)日：2016-06-15
申请号：CN201610137127.7
申请日：2016-03-10
Applicant: 西安邮电大学
CPC classification number: G06K9/6222 , G06N3/123
Abstract: 本发明公开了一种结合局部空间信息的多目标模糊聚类图像分割方法，包括以下步骤：1.输入待分割的图像；2.计算非线性加权和图像；3.对步骤2得到的加权图像进行多目标模糊聚类；4.通过上面的进化，得到一组Pareto解集，采用聚类指标I从中选择一个最优个体。5.然后利用最优个体即一组最优聚类中心对加权和图像像素进行聚类，最后对加权和图像中的像素进行类别标记，得到图像的最终分割结果。本发明能够有效地将目标和背景分离开，分割结果精确，算法实现简单。
-
Patent Agency Ranking
公开(公告)号：CN107220978B
公开(公告)日：2020-06-09
申请号：CN201710433916.X
申请日：2017-06-09
Applicant: 西安邮电大学
Abstract: 本发明公开了融合区间模糊信息和统计信息的多目标阈值图像分割方法，包括以下步骤：输入待分割的图像，并且将图像转换为灰度图像；设置图像的初始种群数目M，最大迭代次数G和最大阈值数目Smax，然后将种群按照阈值数目分成若干个大小相同的分组种群Qs；将得到的分组种群Qs采用同时优化区间模数熵函数和基于直线截距直方图的类间方差函数进行多目标进化，使每个分组种群得到一组非支配解集通过类间差异与类间差异的加权比值在每个分组种群的非支配解集中选择一个最优解，该最优解为最优阈值数目和最优阈值；根据得到的最优解对原图像中的像素点进行标记赋值，得到最终的分割结果。该方法能够实现自适应阈值图像分割，对含噪图像也可获得满意的分割结果。
-
公开(公告)号：CN107392921A
公开(公告)日：2017-11-24
申请号：CN201710577141.3
申请日：2017-07-14
Applicant: 西安邮电大学
Abstract: 一种基于切比雪夫距离的半监督多目标聚类图像分割方法，标记数据样本点，然后计算标记数据样本点的相应类均值，并对彩色图像数据进行基于切比雪夫距离的半监督多目标进化聚类，利用闵可夫斯基得分指标从得到的近似帕累托最优的非支配解集中选择一个最优个体；根据最优个体对彩色图像中的像素进行类别划分，得到图像的最终分割结果。该方法可以同时对不同的聚类准则函数进行优化，且使本发明不易陷入局部最优。使用闵可夫斯基得分指标根据监督信息从最终得到的非支配解集中选取合适的最优个体，继而得到较为理想的图像分割效果，使目标可以较完整的分割出来。本发明能够有效地利用监督信息获得较理想的图像分割结果且算法实现简单。
-
公开(公告)号：CN107220978A
公开(公告)日：2017-09-29
申请号：CN201710433916.X
申请日：2017-06-09
Applicant: 西安邮电大学
CPC classification number: G06T7/10 , G06N3/126 , G06T7/136 , G06T2207/20004
Abstract: 本发明公开了融合区间模糊信息和统计信息的多目标阈值图像分割方法，包括以下步骤：输入待分割的图像，并且将图像转换为灰度图像；设置图像的初始种群数目N，最大迭代次数G和最大阈值数目Smax，然后将种群按照阈值数目分成若干个大小相同的分组种群Qs；将得到的分组种群Qs采用同时优化区间模数熵函数和基于直线截距直方图的类间方差函数进行多目标进化，使每个分组种群得到一组非支配解集通过类间差异与类间差异的加权比值在每个分组种群的非支配解集中选择一个最优解，该最优解为最优阈值数目和最优阈值；根据得到的最优解对原图像中的像素点进行标记赋值，得到最终的分割结果。该方法能够实现自适应阈值图像分割，对含噪图像也可获得满意的分割结果。
-
公开(公告)号：CN107392921B
公开(公告)日：2020-12-08
申请号：CN201710577141.3
申请日：2017-07-14
Applicant: 西安邮电大学
Abstract: 一种基于切比雪夫距离的半监督多目标聚类图像分割方法，标记数据样本点，然后计算标记数据样本点的相应类均值，并对彩色图像数据进行基于切比雪夫距离的半监督多目标进化聚类，利用闵可夫斯基得分指标从得到的近似帕累托最优的非支配解集中选择一个最优个体；根据最优个体对彩色图像中的像素进行类别划分，得到图像的最终分割结果。该方法可以同时对不同的聚类准则函数进行优化，且使本发明不易陷入局部最优。使用闵可夫斯基得分指标根据监督信息从最终得到的非支配解集中选取合适的最优个体，继而得到较为理想的图像分割效果，使目标可以较完整的分割出来。本发明能够有效地利用监督信息获得较理想的图像分割结果且算法实现简单。
-
公开(公告)号：CN106097351A
公开(公告)日：2016-11-09
申请号：CN201610423850.1
申请日：2016-06-13
Applicant: 西安邮电大学
IPC: G06T7/00
CPC classification number: G06T2207/10024
Abstract: 本发明公开了一种基于多目标的自适应阈值图像分割方法，包括以下步骤：1.输入待分割的图像，如果是彩色图像，需转换为灰度图像；2.设置多目标进化自适应目阈值图像分割的参数，将最大阈值分割数设置为5；3.对输入的图像数据分别进行1～5阈值的多目标阈值图像分割；4.通过步骤2将得到1～5阈值下的Parato最优解，利用F函数分别求得1～5阈值下的最优解，5.通过比较F函数值间的差值选择最合适的解作为图像的最佳分割阈值；6.通过选择出来的最佳阈值来对原图像进行类别划分来得到最终的分割结果。本发明能够实现自适应阈值图像分割，分割结果精确，算法实现简单。
-
-
-
-
-
Search Results
6
records
(took 0.017 seconds)
