期刊导航
期刊开放获取
cqvip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于邻域场拉普拉斯混合模型图像分割的研究
被引量:
1
1
作者
罗雷
王士同
《计算机工程与应用》
CSCD
2013年第13期133-137,244,共6页
针对高斯混合模型(GMM)不能有效处理重尾噪声下图像拖尾情况,提出了基于拉普拉斯(Laplacian)分布的有限混合模型图像分割方法。与标准拉普拉斯混合模型(LMM)将像素点作为孤立个体不同的是,该方法充分考虑了相邻像素点间的空间关系。相...
针对高斯混合模型(GMM)不能有效处理重尾噪声下图像拖尾情况,提出了基于拉普拉斯(Laplacian)分布的有限混合模型图像分割方法。与标准拉普拉斯混合模型(LMM)将像素点作为孤立个体不同的是,该方法充分考虑了相邻像素点间的空间关系。相较传统混合模型参数估计采用的EM算法,该方法采用梯度下降法优化参数。实验结果表明在处理重尾噪声时,该方法与标准LMM算法和GMM算法相比,鲁棒性更好,分割更精确有效。
展开更多
关键词
拉普拉斯
混合模型
(
lmm
)
图像分割
重尾噪声
空间邻域关系
下载PDF
职称材料
题名
基于邻域场拉普拉斯混合模型图像分割的研究
被引量:
1
1
作者
罗雷
王士同
机构
江南大学数字媒体学院
出处
《计算机工程与应用》
CSCD
2013年第13期133-137,244,共6页
基金
国家自然科学基金(No.61272210)
文摘
针对高斯混合模型(GMM)不能有效处理重尾噪声下图像拖尾情况,提出了基于拉普拉斯(Laplacian)分布的有限混合模型图像分割方法。与标准拉普拉斯混合模型(LMM)将像素点作为孤立个体不同的是,该方法充分考虑了相邻像素点间的空间关系。相较传统混合模型参数估计采用的EM算法,该方法采用梯度下降法优化参数。实验结果表明在处理重尾噪声时,该方法与标准LMM算法和GMM算法相比,鲁棒性更好,分割更精确有效。
关键词
拉普拉斯
混合模型
(
lmm
)
图像分割
重尾噪声
空间邻域关系
Keywords
Laplacian Mixture Model (
lmm
)
image segmentation
heavy-tailed noise
spatial neighborhood relationship
分类号
TP391.41 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于邻域场拉普拉斯混合模型图像分割的研究
罗雷
王士同
《计算机工程与应用》
CSCD
2013
1
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部