基于储备池计算的灰度图像分割方法
计算机视觉与模式识别
2022-10-07 v3 机器学习
图像与视频处理
摘要
本文提出了一种新颖的灰度图像分割方法。该方法基于 Echo state network，从每个图像像素的单个特征（即其强度值）中提取多重特征。新提取的特征——储备池平衡态——揭示了图像的隐藏特征，从而通过聚类算法改善了图像分割效果。此外，研究表明储备池的 intrinsic plasticity 调整将其平衡态拟合至原始图像强度分布，从而实现了更好的分割。所提出的方法在基准图像 Lena 上进行了测试。
引用
@article{arxiv.2107.11077,
title = {Reservoir Computing Approach for Gray Images Segmentation},
author = {Petia Koprinkova-Hristova},
journal= {arXiv preprint arXiv:2107.11077},
year = {2022}
}
备注
12 pages, 7 figures