用于海底分割的具有自动特征选择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
2022-03-03 v1 机器学习
摘要
可能性模糊局部信息 C 均值（PFLICM）方法被提出作为一种将侧扫合成孔径声纳（SAS）图像分割成不同海底区域的技术。在这项工作中，我们研究并展示了一种用于 SAS 图像分割的自动特征选择方法的结果。将基于选定的定量聚类有效性准则来评估所选特征及由此产生的图像分割结果，并采用达到期望阈值的特征子集进行分割过程。
引用
@article{arxiv.2110.07433,
title = {Possibilistic Fuzzy Local Information C-Means with Automated Feature Selection for Seafloor Segmentation},
author = {Joshua Peeples and Daniel Suen and Alina Zare and James Keller},
journal= {arXiv preprint arXiv:2110.07433},
year = {2022}
}
备注
Proc. SPIE 10628, Detection and Sensing of Mines, Explosive Objects, and Obscured Targets XXIII (30 April 2018), 14 pages, 7 figures, 5 tables