用于声纳图像分割的可能性模糊局部信息 C 均值方法
计算机视觉与模式识别
2017-10-02 v1
摘要
侧视合成孔径声纳（SAS）能够生成极高质量的海底图像。在观察这些图像时，人类观察者通常可以轻松识别各种海底纹理，如沙波纹、压实沙、海草和岩石。本文中，我们提出了可能性模糊局部信息 C 均值（PFLICM）方法，将 SAS 图像分割为表现出这些各种自然纹理的海底区域。所提出的 PFLICM 方法结合了模糊和可能性聚类方法，并利用（局部）空间信息来执行软分割。结果在多个 SAS 场景上展示，并与替代分割方法进行了比较。
引用
@article{arxiv.1709.10180,
title = {Possibilistic Fuzzy Local Information C-Means for Sonar Image Segmentation},
author = {Alina Zare and Nicholas Young and Daniel Suen and Thomas Nabelek and Aquila Galusha and James Keller},
journal= {arXiv preprint arXiv:1709.10180},
year = {2017}
}
备注
8 pages, 11 figures, to appear in the 2017 IEEE Symposium Series on Computational Intelligence (SSCI) Proceedings