-
公开(公告)号：CN103456017B
公开(公告)日：2016-07-06
申请号：CN201310404794.3
申请日：2013-09-08
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于种子集的半监督权重核模糊聚类的图像分割方法，其实现步骤为：(1)选择图像；(2)提取待分割图像纹理特征；(3)产生聚类对象数据矩阵；(4)初始化聚类中心、隶属度和核参数；(5)计算点密度函数值；(6)更新聚类中心、隶属度和核参数；(7)计算目标函数值；(8)判断是否满足终止条件；如果是，执行(9)，否则，执行(6)；(9)产生分割图像。本发明提取图像每个像素的纹理特征，用基于种子集的半监督权重核模糊聚类的图像分割方法对该纹理特征进行划分，提高了图像分割的稳定性，获得更加准确的分割结果。
-
公开(公告)号：CN103456019A
公开(公告)日：2013-12-18
申请号：CN201310405098.4
申请日：2013-09-08
Applicant: 西安电子科技大学
IPC: G06T7/00
Abstract: 本发明公开一种基于约束对的半监督核K均值聚类的图像分割方法，实现步骤为：（1）选择图像；（2）提取图像纹理特征；（3）产生聚类对象数据矩阵；（4）划分聚类对象数据矩阵；（5）初始化聚类中心；（6）计算距离；（7）判断是否满足约束条件，如果满足，执行步骤（8），否则，返回步骤（5）；（8）计算均值；（9）判断是否满足终止条件，如果满足，执行步骤（10），否则，返回步骤（6）；（10）产生分割图像。本发明提取图像纹理特征，用基于约束对的半监督核K均值聚类的图像分割方法对该纹理特征进行划分，提高了图像分割的稳定性，获得更加准确的图像分割结果。
-
公开(公告)号：CN102903087A
公开(公告)日：2013-01-30
申请号：CN201210414683.6
申请日：2012-10-25
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于GPU编程的SAR图像去噪方法，主要解决现有技术对大规模SAR图像进行去噪时速度较慢的问题。其实现步骤为：(1)对待去噪图像I进行延拓得到两幅含噪图像；(2)在图形处理器GPU内设置内存区域，将待去噪图像I和两幅含噪图像存储到图形处理器GPU的内存中；(3)在图形处理器GPU内使用多个线程并行计算待去噪图像I中的每个像素点与其他像素点之间的权值；(4)利用权值矩阵，计算待去噪图像I中每个像素点的后向反射系数；(5)对后向反射系数矩阵进行开平方操作，得到最终去噪结果。本发明与现有技术相比，提高了对大规模SAR图像进行PPB去噪的速度，满足了对图像后续处理的实时性要求，可用于对大规模SAR图像进行快速去噪处理。
-
Patent Agency Ranking
公开(公告)号：CN103700108B
公开(公告)日：2017-02-08
申请号：CN201310733076.0
申请日：2013-12-24
Applicant: 西安电子科技大学
Abstract: 本发明涉及一种基于种子集的半监督RFLICM聚类的图像分割方法，其特征是：至少包括如下步骤：步骤101：开始基于种子集的半监督RFLICM聚类的图像分割方法；步骤102：导入待分割的图像，标记为A；步骤103：对图像A进行加噪处理；步骤104：对加噪后的图像使用基于种子集的半监督RFLICM聚类方法进行聚类，该聚类为图像的最终分割结果；步骤105：结束基于种子集的半监督RFLICM聚类的图像分割方法。该方法不仅体现了半监督聚类在聚类过程中的优势，而且利用了RFLICM算法加入局部空间信息和灰度信息，所以此算法能够利用更多的局部纹理信息，因此(56)对比文件Maoguo Gong等.Change detection insynthetic aperture radar images based onimage fusion and fuzzy clustering《.IEEETRANSACTIONS ON IMAGE PROCESSING》.2012,第21卷(第4期),摘要、第2144页左栏倒数第17行-第2146页左栏第33行.Kunlun Li等.A novel semi-supervisedfuzzy c-means clustering《.2009 ChineseControl and Decision Conference》.2009,摘要、第3762页右栏第20行-第3764页左栏倒数第3行.
-
公开(公告)号：CN103700108A
公开(公告)日：2014-04-02
申请号：CN201310733076.0
申请日：2013-12-24
Applicant: 西安电子科技大学
Abstract: 本发明涉及一种基于种子集的半监督RFLICM聚类的图像分割方法，其特征是：至少包括如下步骤：步骤101：开始基于种子集的半监督RFLICM聚类的图像分割方法；步骤102：导入待分割的图像，标记为A；步骤103：对图像A进行加噪处理；步骤104：对加噪后的图像使用基于种子集的半监督RFLICM聚类方法进行聚类，该聚类为图像的最终分割结果；步骤105：结束基于种子集的半监督RFLICM聚类的图像分割方法。该方法不仅体现了半监督聚类在聚类过程中的优势，而且利用了RFLICM算法加入局部空间信息和灰度信息，所以此算法能够利用更多的局部纹理信息，因此对噪声和轮廓具有很好的鲁棒性，且能很好的保留图像的细节，从而使得准确度大大改善。
-
公开(公告)号：CN103456017A
公开(公告)日：2013-12-18
申请号：CN201310404794.3
申请日：2013-09-08
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于种子集的半监督权重核模糊聚类的图像分割方法，其实现步骤为：(1)选择图像；(2)提取待分割图像纹理特征；(3)产生聚类对象数据矩阵；(4)初始化聚类中心、隶属度和核参数；(5)计算点密度函数值；(6)更新聚类中心、隶属度和核参数；(7)计算目标函数值；(8)判断是否满足终止条件；如果是，执行(9)，否则，执行(6)；(9)产生分割图像。本发明提取图像每个像素的纹理特征，用基于种子集的半监督权重核模糊聚类的图像分割方法对该纹理特征进行划分，提高了图像分割的稳定性，获得更加准确的分割结果。
-
公开(公告)号：CN103456019B
公开(公告)日：2016-01-20
申请号：CN201310405098.4
申请日：2013-09-08
Applicant: 西安电子科技大学
IPC: G06T7/00
Abstract: 本发明公开一种基于约束对的半监督核K均值聚类的图像分割方法，实现步骤为：（1）选择图像；（2）提取图像纹理特征；（3）产生聚类对象数据矩阵；（4）划分聚类对象数据矩阵；（5）初始化聚类中心；（6）计算距离；（7）判断是否满足约束条件，如果满足，执行步骤（8），否则，返回步骤（5）；（8）计算均值；（9）判断是否满足终止条件，如果满足，执行步骤（10），否则，返回步骤（6）；（10）产生分割图像。本发明提取图像纹理特征，用基于约束对的半监督核K均值聚类的图像分割方法对该纹理特征进行划分，提高了图像分割的稳定性，获得更加准确的图像分割结果。
-
公开(公告)号：CN102903087B
公开(公告)日：2015-09-30
申请号：CN201210414683.6
申请日：2012-10-25
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于GPU编程的SAR图像去噪方法，主要解决现有技术对大规模SAR图像进行去噪时速度较慢的问题。其实现步骤为：(1)对待去噪图像I进行延拓得到两幅含噪图像；(2)在图形处理器GPU内设置内存区域，将待去噪图像I和两幅含噪图像存储到图形处理器GPU的内存中；(3)在图形处理器GPU内使用多个线程并行计算待去噪图像I中的每个像素点与其他像素点之间的权值；(4)利用权值矩阵，计算待去噪图像I中每个像素点的后向反射系数；(5)对后向反射系数矩阵进行开平方操作，得到最终去噪结果。本发明与现有技术相比，提高了对大规模SAR图像进行PPB去噪的速度，满足了对图像后续处理的实时性要求，可用于对大规模SAR图像进行快速去噪处理。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.021 seconds)
