1) improved regional segmentation
改进区域分割
1.
According to improved regional segmentation algorithm(IRSA),the threshold value is chosen accurately and automatically during the regional segmentation.
在分割和分类过程中充分利用飞机目标的先验知识,提出了一种改进区域分割方法,并应用树分类器对飞机目标进行自动识别。
2) improved confinement
改进区域
3) region segmentation
区域分割
1.
Effective implementation of image region segmentation based on Gomory-Hu algorithm;
基于Gomory-Hu算法有效实现的图像区域分割
2.
Algorithm for detecting and locating human faces based on region segmentation in complex backgrounds;
基于区域分割的复杂背景中人脸检测与定位
3.
An algorithm for intermediate view image creation and interpolation based on disparity field calibration and region segmentation;
基于视差场校正和区域分割的中间视图像生成与内插方法
4) segmentation
[英][,seɡmən'teiʃən] [美][,sɛɡmən'teʃən, -mɛn-]
区域分割
1.
Algorithm for SAR image target detection based on double threshold segmentation;
一种基于双阈值区域分割的SAR图像目标提取方法
2.
The algorithm consists of the two steps of segmentation and boundary reconstruction.
该算法首先对恢复的初始三角形网格进行区域分割和边界重构,将隐式曲面的三角形网格分离出来,然后对恢复的隐式曲面表面的初始逼近网格从3个方面进行优化:即将初始逼近网格的曲率控制与网格面的拓扑一致性调整;调整网格顶点法矢与交互式分割;补偿网格抽样率。
3.
The extraction procedure consists of two steps: segmentation and boundary reconstruction.
该算法主要包括两部分:区域分割和边界重构。
5) image segmentation
区域分割
1.
A method of recognizing huge objects from gray images is proposed An edge image is first worked out and then thresholded Next the binary image is processed by morphological operations of erosion and dilation respectively, followed by image segmentation Finally, the object region is selected from the segmentation results and indicated with target rectangle
此方法先计算灰度图像的梯度值 ,再对梯度图像进行二值化 ,对二值化后的图像先后进行腐蚀和膨胀操作 ,然后对所得到的图像进行区域分割 ,从得到的区域中找到目标区域。
2.
This algorithm employed the theory of image segmentation and framework pick-up in edge detection.
为了使提取的图像边缘的结构定位精确 ,并产生连续的精细边缘 ,同时能滤除边缘信息中的噪声干扰 ,提出了一种以 Prewitt算子为基础 ,应用区域分割和骨架提取的改进算法 ,实现了图像边缘信息的提取 ,能消除图像中的噪声 ,产生精细的边缘。
6) division
[英][dɪ'vɪʒn] [美][də'vɪʒən]
分割;区域
补充资料：图象区域分割
图象区域分割
image region segmentation
tux一ang quyu fenge图象区域分割(image region义gmentation) 基于图象区域特性的差异对图象进行分割的技术。区域分割的基本思想是标识图象中各个具有相似特征的区域。相似的特征可以是形状、象素值或纹理等。在模式识别中的聚类技术也可用于基于区域的图象分割。 模板匹配基于区域分割图象的一种直接方法是将图象中的区域和一组给定的模板进行比较匹配，从而将符合模板的物体从图象的其它部分中分割出来，而剩余的图象则可根据需要再用其它方法分析。例如，模板匹配可用于分割图文混排的书稿。当文字用模板匹配的方法找出来以后，图形可再用其它方法进行分析。模板匹配的过程往往用相关或卷积计算来进行(参见图象处理的基本运算)。 纹理分俐当物体置于明显的纹理背景中或物体本身具有较强的纹理特征时，就需要利用基于纹理的区域分割方法。由于纹理是某种模式，或者说图案、花样、结构等的重复，所以不能用单个的象素的特性(灰度或颜色)来描述。当然也无法用基于象素的分类方法(参见图象象素分类)。由于纹理经常包含有大量的边缘，因此，除非滤去纹理，否则用边界跟踪的方法分割有丰富纹理的图象很难有好的效果。 纹理的描述与分类是分割的基础(参见图象特征提取)。当我们知道图象中有某种纹理存在时，可利用已知纹理的特征(如该纹理在频域中的描述或空间灰度关系矩阵)在图象中寻找。如果事先没有知识的话，可以采用基于区域的聚类方法进行纹理区域的分割。一种容易想到的办法是:把图象分成若干(小)块，计算每一块的纹理特征，根据特征差别的程度决定是否把小块合并。 区域聚类法聚类法一般可分为区域生长法及分裂合并法。 区域生长区域生长的基本思路是:从满足检测准则的点或一块区域开始，在各个方向上“生长”物体。“生长”的依据是:同一类型区域的特征，如灰度、颜色及纹理特征等，相差不会太远。满足一定合并条件的邻域可以并人该区域。在生长过程中，合并条件可以调整。当再也找不到可合并的邻域时，生长停止。 区域的分裂和合并这个方法的基本思路是:首先将图象分为若干“初始”区域，然后再分裂或合并这些区域，逐步改进区域分割的指标，直到最后将图象分割为数量最少(或符合某一要求)的“基本一致”的区域为止。通常，“一致”性的标准可用特性的均方误差来量度。 与基于边界的图象分割方法(参见图象边缘检测)相比，基于区域生长法和分裂合并法对噪声相对不敏感，但是计算复杂度较高。(俞志和)
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条