کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
10132784 1645582 2018 14 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Integrating guided filter into fuzzy clustering for noisy image segmentation
ترجمه فارسی عنوان
ادغام فیلتر هدایت شده به خوشه بندی فازی برای تقسیم بندی تصویر پر سر و صدا
ترجمه چکیده
خوشه بندی فازی یک روش کلاسیک برای تولید پارتیشن های نرم افزاری است. یکی از برنامه های معمول آن تقسیم بندی تصویر است. از طرف دیگر، فیلتر هدایتگر یک فیلتر محافظ لبه محافظ برای صاف کردن و افزایش تصویر است. در این کار، ما یک چارچوب کلی برای بهبود تقسیم تصویر بر اساس خوشه بندی فازی با ادغام فیلتر هدایت به روش جدید طراحی می کنیم. به طور خاص، خوشه بندی فازی بر روی تصویر صاف برای به دست آوردن بخش های همگن بیشتر اعمال می شود، اما تصویر پر سر و صدایی اصلی به عنوان راهنمای فیلتر هدایت شده به منظور پس پردازش عضویت فازی در تکرار خوشه بندی استفاده می شود. با انجام این کار، از دست دادن اطلاعات ناشی از توطئه تصویر قبل از تصحیح توسط هدایت تصویر پر سر و صدا اصلی است که جزئیات ظریف بر روی مرزهای پارتیشن را باز می کند. علاوه بر این، ما ثابت می کنیم که اعضای پس پردازش شده توسط فیلتر هدایت هنوز ملک معمولا مورد نیاز توسط خوشه فازی مورد نیاز: برای هر نقطه داده، مجموع عضویت آن یکی است. این ویژگی و پیچیدگی زمان خطی فیلتر هدایت شده، چارچوب ادغام اطلاعات پیشنهاد شده را یک روش کارآمد برای افزایش تقریبا تمام روشهای تقسیم بندی تصویر مبتنی بر خوشه بندی فازی می کند. آزمایشات مربوط به تصاویر مصنوعی و واقعی نشان می دهد که چارچوب پیشنهادی می تواند روش های خوشه بندی فازی پیشرفته ای را با کمترین هزینه های زمان اجرا بهبود بخشد.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر پردازش سیگنال
چکیده انگلیسی
Fuzzy clustering is a classical method to produce soft partitions of data. One of its typical applications is image segmentation. Guided filter, on the other hand, is a powerful edge preserving filter for image smoothing and enhancement. In this work, we design a general framework to improve the fuzzy clustering based noisy image segmentation by integrating the guided filter in a new way. Specifically, the fuzzy clustering is applied on the smoothed image to obtain more homogeneous segments, but the original noisy image is used as the guide of guided filter to post-process the fuzzy memberships in the iteration of clustering. By doing this, the information loss caused by beforehand image smoothing is remedied by the guidance of original noisy image that pulls back subtle details on the boundaries of partitions. In addition, we prove that the memberships post-processed by guided filter still retain the property usually required by fuzzy clustering: for each data point, the sum of its memberships is one. This property and the linear time complexity of guided filter make the proposed information integration framework an efficient way to enhance almost all fuzzy clustering based image segmentation methods. Experiments on synthetic and real images demonstrate that the proposed framework can improve the state-of-the-art fuzzy clustering methods significantly with little run-time overhead.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Digital Signal Processing - Volume 83, December 2018, Pages 235-248
نویسندگان
, , , ,