典型文献
基于改进K-Means聚类与水平集的木材横截面管孔分割
文献摘要：
针对管孔随机分布且大小不一导致管孔分割鲁棒性不高,及木纤维、木射线和轴向薄壁组织等噪声对管孔分割效果影响较大的问题,本研究提出一种改进K-Means聚类与水平集的木材横截面管孔分割算法.采用改进K-Means聚类对管孔区域进行粗分割,有效地区分管孔区域与木纤维、木射线以及轴向薄壁组织等噪声区域.再对粗分割结果采用水平集算法进行精分割.实验结果表明,平均每张木材横截面微观图像有98.8％的管孔被准确有效地分割出来,且分割出的管孔与实际管孔基本吻合.相比之下,本研究提出的改进分割算法较其他算法,每张木材微观图像的平均管孔分割准确率提高了1.7％.该算法有效地解决传统K-Means聚类算法在图像分割时噪声影响大和初始聚类中心的随机性问题,在针对大小不一且随机分布的管孔分割过程中鲁棒性更高,具有良好的分割性能.
文献关键词：
改进K-means聚类算法;水平集;木材横截面;管孔;图像分割
中图分类号：
作者姓名：
程昱之;钟丽辉;何鑫;王远;李朝兰
作者机构：
西南林业大学 机械与交通学院,昆明650224;西南林业大学 大数据与智能工程学院,昆明650224
文献出处：
引用格式：
[1]程昱之;钟丽辉;何鑫;王远;李朝兰-.基于改进K-Means聚类与水平集的木材横截面管孔分割)[J].森林工程,2022(01):42-51
A类：
木材横截面
B类：
Means,水平集,管孔,随机分布,大小不一,木射线,薄壁组织,分割效果,效果影响,分割算法,分管,声区,每张,确有,割出,相比之下,平均管,聚类算法,图像分割,噪声影响,初始聚类中心,随机性,割过,中鲁,means
AB值：
0.272712
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
