.png){kind=icon}
返回
Delicate image segmentation based on cosine kernel graph cut
.png){kind=icon}
PRE
AI
DOI：10.1016/j.jvcir.2025.104430.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
核图割方法有效，但高度依赖于用于将数据映射到新特征空间的核函数选择。本研究引入了一种增强型基于核的图割方法，专门设计用于分割复杂图像。所提出的方法通过整合包含来自MacLaurin余弦核序列中两个组成部分的独特映射函数，扩展了RBF核。该方法以其能够解相关区域和压缩能量的能力而闻名。这种增强型特征空间使目标函数能够包含数据保真项，该保真项在分割图像中保留每个区域数据的均方差，同时还包含一个保持平滑边界的正则化项。所提出的方法保留了基于图的技术典型的计算效率，同时提高了对复杂图像的分割精度。在包含复杂形状和精细边界图像的常用数据集上的实验评估证明了与现有方法相比，这种基于核的方法的有效性。
Keyword:
Image segmentation
Graph cut
Delicate images
MacLaurin cosine kernel
期刊
IF:
3.1
论文数:
433
被引数:
5.6K
机构
引用论文
Automatic lung segmentation based on Graph Cut using a distance‐constrained energy基于图割算法和距离约束能量的自动肺部分割
PREAI
分享收藏A variational level set model based on local-global function approximation for image segmentation一种基于局部-全局函数近似的变分水平集图像分割模型
PREAI
分享收藏Interactive image segmentation based on the appearance model and orientation energy基于外观模型和方向能量的交互式图像分割
PREAI
分享收藏
Hybrid Active Contours Driven by Edge and Region Fitting Energies Based on p-Laplace Equation.png)
IEEE ACCESS
OAAI
IEEE ACCESSIF3.6
OAAI分享收藏Improved Prediction of Protein-Protein Interactions Using Descriptors Derived From PSSM via Gray Level Co-Occurrence MatrixIEEE ACCESSOAAI
IEEE ACCESSIF3.6
OAAI分享收藏
查看更多内容