Нечеткая кластеризация полутоновых изображений на основе преобразования исходных данных
Работа посвящена описанию модифицированного метода нечеткой кластеризации полутоновых изображений, который на каждой итерации выполняет динамическое преобразование исходных данных на основе сингулярного разложения с автоматическим отбором наиболее значимых столбцов матрицы левых сингулярных векторов...
Збережено в:
Видавець: | Інститут проблем штучного інтелекту МОН України та НАН України |
---|---|
Дата: | 2018 |
Автори: | , |
Формат: | Стаття |
Мова: | Russian |
Опубліковано: |
Інститут проблем штучного інтелекту МОН України та НАН України
2018
|
Назва видання: | Штучний інтелект |
Теми: | |
Онлайн доступ: | http://dspace.nbuv.gov.ua/handle/123456789/162370 |
Теги: |
Додати тег
Немає тегів, Будьте першим, хто поставить тег для цього запису!
|
Цитувати: | Нечеткая кластеризация полутоновых изображений на основе преобразования исходных данных / Л.Г. Ахметшина, А.А. Егоров // Штучний інтелект. — 2018. — № 2 (80). — С. 26-32. — Бібліогр.: 6 назв. — рос. |
Репозиторії
Digital Library of Periodicals of National Academy of Sciences of Ukraineid |
irk-123456789-162370 |
---|---|
record_format |
dspace |
spelling |
irk-123456789-1623702020-01-08T01:25:57Z Нечеткая кластеризация полутоновых изображений на основе преобразования исходных данных Ахметшина, Л.Г. Егоров, А.А. Системи розпізнавання і сприйняття образів Работа посвящена описанию модифицированного метода нечеткой кластеризации полутоновых изображений, который на каждой итерации выполняет динамическое преобразование исходных данных на основе сингулярного разложения с автоматическим отбором наиболее значимых столбцов матрицы левых сингулярных векторов. Это дает возможность повышения чувствительности сегментации. Предложенный метод показан на примере алгоритма нейро-фаззи кластеризации sFCM. Результаты экспериментальных исследований были получены при обработке реальных полутоновых медицинских изображений. При этом было достигнуто лучшее выделение объектов интереса и структуры изображения в целом. The work is devoted to the description of the grayscale images fuzzy clustering method, which performs dynamic transformation of initial data based on singular decomposition (with automatic determining the most important columns of left singular vectors matrix) on each step. This approach may lead to segmentation sensitivity enhancement. Proposed method was described on the example of neuro-fuzzy clustering algorithm sFCM. The results of experimental researches were obtained after processing of real grayscale medical image. Better identification of objects of interest and whole image structure was achieved. 2018 Article Нечеткая кластеризация полутоновых изображений на основе преобразования исходных данных / Л.Г. Ахметшина, А.А. Егоров // Штучний інтелект. — 2018. — № 2 (80). — С. 26-32. — Бібліогр.: 6 назв. — рос. 1561-5359 http://dspace.nbuv.gov.ua/handle/123456789/162370 004.93 ru Штучний інтелект Інститут проблем штучного інтелекту МОН України та НАН України |
institution |
Digital Library of Periodicals of National Academy of Sciences of Ukraine |
collection |
DSpace DC |
language |
Russian |
topic |
Системи розпізнавання і сприйняття образів Системи розпізнавання і сприйняття образів |
spellingShingle |
Системи розпізнавання і сприйняття образів Системи розпізнавання і сприйняття образів Ахметшина, Л.Г. Егоров, А.А. Нечеткая кластеризация полутоновых изображений на основе преобразования исходных данных Штучний інтелект |
description |
Работа посвящена описанию модифицированного метода нечеткой кластеризации полутоновых изображений, который на каждой итерации выполняет динамическое преобразование исходных данных на основе сингулярного разложения с автоматическим отбором наиболее значимых столбцов матрицы левых сингулярных векторов. Это дает возможность повышения чувствительности сегментации. Предложенный метод показан на примере алгоритма нейро-фаззи кластеризации sFCM. Результаты экспериментальных исследований были получены при обработке реальных полутоновых медицинских изображений. При этом было достигнуто лучшее выделение объектов интереса и структуры изображения в целом. |
format |
Article |
author |
Ахметшина, Л.Г. Егоров, А.А. |
author_facet |
Ахметшина, Л.Г. Егоров, А.А. |
author_sort |
Ахметшина, Л.Г. |
title |
Нечеткая кластеризация полутоновых изображений на основе преобразования исходных данных |
title_short |
Нечеткая кластеризация полутоновых изображений на основе преобразования исходных данных |
title_full |
Нечеткая кластеризация полутоновых изображений на основе преобразования исходных данных |
title_fullStr |
Нечеткая кластеризация полутоновых изображений на основе преобразования исходных данных |
title_full_unstemmed |
Нечеткая кластеризация полутоновых изображений на основе преобразования исходных данных |
title_sort |
нечеткая кластеризация полутоновых изображений на основе преобразования исходных данных |
publisher |
Інститут проблем штучного інтелекту МОН України та НАН України |
publishDate |
2018 |
topic_facet |
Системи розпізнавання і сприйняття образів |
url |
http://dspace.nbuv.gov.ua/handle/123456789/162370 |
citation_txt |
Нечеткая кластеризация полутоновых изображений на основе преобразования исходных данных / Л.Г. Ахметшина, А.А. Егоров // Штучний інтелект. — 2018. — № 2 (80). — С. 26-32. — Бібліогр.: 6 назв. — рос. |
series |
Штучний інтелект |
work_keys_str_mv |
AT ahmetšinalg nečetkaâklasterizaciâpolutonovyhizobraženijnaosnovepreobrazovaniâishodnyhdannyh AT egorovaa nečetkaâklasterizaciâpolutonovyhizobraženijnaosnovepreobrazovaniâishodnyhdannyh |
first_indexed |
2023-10-18T22:08:54Z |
last_indexed |
2023-10-18T22:08:54Z |
_version_ |
1796154755782803456 |