این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
Journal of Artificial Intelligence and Data Mining، جلد ۱۲، شماره ۴، صفحات ۴۹۷-۵۱۰
عنوان فارسی
چکیده فارسی مقاله
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Fuzzy Clustering of Noisy Images Using a Gaussian Kernel and Spatial Information with Automatic Parameter Tuning and C+ Means Initialization
چکیده انگلیسی مقاله The segmentation of noisy images remains one of the primary challenges in image processing. Traditional fuzzy clustering algorithms often exhibit poor performance in the presence of high-density noise due to insufficient consideration of spatial features. In this paper, a novel approach is proposed that leverages both local and non-local spatial information, utilizing a Gaussian kernel to counteract high-density noise. This method enhances the algorithm's sensitivity to spatial relationships between pixels, thereby reducing the impact of noise. Additionally, a C+ means initialization approach is introduced to improve performance and reduce sensitivity to initial conditions, along with an automatic smoothing parameter tuning method. The evaluation results, based on the criteria of fuzzy assignment coefficient, fuzzy segmentation entropy, and segmentation accuracy, demonstrate a significant improvement in the performance of the proposed method.
کلیدواژه‌های انگلیسی مقاله Fuzzy clustering,noisy images,Spatial information,Gaussian kernel
نویسندگان مقاله Mohsen Erfani Haji Pour |
Faculty of Engineering, Ferdowsi University of Mashhad, Mashhad, Iran

نشانی اینترنتی https://jad.shahroodut.ac.ir/article_3347_e568879bb1041d051e45eba7cad3b18f.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده en
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات