信息技术
信息技術
신식기술
INFORMATION TECHNOLOGY
2015年
7期
170-171,176
,共3页
图像轮廓%相互最近邻聚类%提取算法
圖像輪廓%相互最近鄰聚類%提取算法
도상륜곽%상호최근린취류%제취산법
image contour%mutual nearest neighbor clustering%extraction algorithm
传统的神经网络算法用于轮廓提取时,存在计算量大,需预设参数多等问题.现提出了一种基于相互最近邻聚类结合神经网络的方法,克服了传统K均值聚类时需要预设类数的缺点.该算法通过角点检测器获取图像特征点;然后,通过特征点的相互最近邻聚类建立一组基函数,把图像像素点的像素值和梯度作为输入向量,利用网络的预测功能来表示物体轮廓曲线方程.
傳統的神經網絡算法用于輪廓提取時,存在計算量大,需預設參數多等問題.現提齣瞭一種基于相互最近鄰聚類結閤神經網絡的方法,剋服瞭傳統K均值聚類時需要預設類數的缺點.該算法通過角點檢測器穫取圖像特徵點;然後,通過特徵點的相互最近鄰聚類建立一組基函數,把圖像像素點的像素值和梯度作為輸入嚮量,利用網絡的預測功能來錶示物體輪廓麯線方程.
전통적신경망락산법용우륜곽제취시,존재계산량대,수예설삼수다등문제.현제출료일충기우상호최근린취류결합신경망락적방법,극복료전통K균치취류시수요예설류수적결점.해산법통과각점검측기획취도상특정점;연후,통과특정점적상호최근린취류건립일조기함수,파도상상소점적상소치화제도작위수입향량,이용망락적예측공능래표시물체륜곽곡선방정.
