申请/专利权人:忻州师范学院
申请日:2020-09-29
公开(公告)日:2021-01-12
公开(公告)号:CN112215852A
主分类号:G06T7/11(20170101)
分类号:G06T7/11(20170101);G06T5/00(20060101);G06K9/62(20060101)
优先权:
专利状态码:在审-实质审查的生效
法律状态:2021.01.29#实质审查的生效;2021.01.12#公开
摘要:本发明公开了一种基于聚类学习器集成的数字图像分割方法,涉及数字图像处理领域,具体包括如下步骤:步骤一:将数字图像信息输入到数字图像的处理设备中;步骤二:对数字图像进行粗分割;步骤三:对数字图像进行细分割;步骤四:生成聚类学习器集成;步骤五:设定RGB阈值;步骤六:将步骤五中识别筛选出的数字图像,进行图像的检索,并与数据库中的图像信息进行匹配;步骤七:输出匹配后得到的数字图像。在本发明的实施过程中,利用聚类学习器提高了数字图像的分割精度,在进行图像分割时,通过优先去除无用的部分,达到降低硬件运算负担,同时提高分割效率的效果;同时利用坐标系作为筛选的具体表现,能够在筛选时直观明白,提高筛选效率。
主权项:1.一种基于聚类学习器集成的数字图像分割方法,其特征在于,包括如下步骤:步骤一:将数字图像信息输入到数字图像的处理设备中,由数字图像的处理设备进行预处理;预处理包括平滑和去噪的处理,从而提高数字图片的整体质量;步骤二:对数字图像进行粗分割,将需要用到的图像留下,不需要用的图像去除;步骤三:对数字图像进行细分割;步骤四:生成聚类学习器集成,通过对RGB的识别对每个数字图像的信息进行初步的分类和筛选,得到分割结果;步骤五:设定RGB阈值,对步骤四筛选出的数字图像进一步进行筛选,将RGB阈值内的数字图像筛选出来,从而提高检索精度;步骤六:将步骤五中识别筛选出的数字图像,进行图像的检索,并与数据库中的图像信息进行匹配;步骤七:输出匹配后得到的数字图像。
全文数据:
权利要求:
百度查询: 忻州师范学院 基于聚类学习器集成的数字图像分割方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。