دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش:
نویسندگان: Fasahat Ullah Siddiqui. Abid Yahya
سری:
ISBN (شابک) : 9783030812294, 9783030812300
ناشر: Springer
سال نشر: 2021
تعداد صفحات: 121
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 11 مگابایت
در صورت ایرانی بودن نویسنده امکان دانلود وجود ندارد و مبلغ عودت داده خواهد شد
در صورت تبدیل فایل کتاب Clustering Techniques for Image Segmentation به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب تکنیک های خوشه بندی برای تقسیم بندی تصویر نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
< /p>
Preface Acknowledgments Contents List of Figures List of Tables About the Authors Chapter 1: Introduction to Image Segmentation and Clustering 1.1 Digital Image Processing System 1.2 Image Classification and Image Segmentation 1.3 Classification of Image Segmentation Technique 1.4 Thresholding 1.4.1 Global Thresholding 1.4.2 P-tile Method 1.4.3 Histogram Shape-Based Methods 1.4.3.1 Peak-and-Valley Methods 1.4.3.2 Convex Hull Methods 1.4.3.3 Shape Modeling Methods 1.4.4 Clustering-Based Thresholding 1.4.4.1 Iterative Thresholding Methods 1.4.4.2 Minimum Error Thresholding Methods 1.4.4.3 Ostu Clustering Thresholding Methods 1.4.4.4 Fuzzy Clustering Thresholding Methods 1.4.5 Entropic Thresholding Methods 1.4.6 Local Thresholding 1.5 Clustering 1.5.1 Hierarchical Clustering 1.5.2 Partitioning Clustering 1.5.2.1 Hard Partitioning Clustering 1.5.2.2 Fuzzy Partitioning Clustering 1.6 Region-Based Segmentation Techniques 1.6.1 Region-Growing Technique 1.6.2 Split-and-Merge Technique 1.7 Edge-Based Segmentation Techniques 1.7.1 First-Order Derivative Edge Detection 1.7.1.1 Gradient Operator 1.7.2 Second-Order Derivative Edge Detection 1.7.3 Optimal Canny Edge Detection 1.7.4 Edge Linkers for Boundary Detection References Chapter 2: Partitioning Clustering Techniques 2.1 Partitioning Clustering for Image Segmentation 2.2 k-means Clustering 2.2.1 Implementation of k-means Clustering 2.2.2 Limitations of k-means Clustering 2.2.3 Illustration of k-means Clustering’s Limitations 2.3 Moving K-means Clustering 2.3.1 Implementation of MKM Clustering 2.3.2 Limitations of MKM Clustering 2.3.3 Illustration of MKM Clustering’s Limitations 2.4 Adaptive Moving k-means Clustering 2.4.1 Implementation of AMKM Clustering 2.4.2 Limitations of AMKM Clustering 2.4.3 Illustration of AMKM Clustering’s Limitations 2.5 Fuzzy c-means Clustering 2.5.1 Implementation of Fuzzy c-means Clustering 2.5.2 Limitations of Fuzzy c-means Clustering 2.5.3 Illustration of Fuzzy c-means Clustering’s Limitations 2.6 Adaptive Fuzzy Moving k-means Clustering 2.6.1 Implementation of Adaptive Fuzzy Moving k-means Clustering 2.6.2 Limitations of Adaptive Fuzzy Moving k-means Clustering 2.6.3 Illustration of Adaptive Fuzzy Moving k-means Clustering’s Limitations 2.7 Adaptive Fuzzy k-means Clustering 2.7.1 Implementation of Adaptive Fuzzy K-means Clustering 2.7.2 Limitations of Adaptive Fuzzy k-means Clustering 2.7.3 Illustration of Adaptive Fuzzy k-means Clustering’s Limitations References Chapter 3: Novel Partitioning Clustering 3.1 Robust Techniques of Partitioning Clustering 3.2 Optimized k-means Algorithm 3.2.1 Implementation of Optimized k-means 3.2.2 Performance Illustration of Optimized k-means Clustering 3.3 Enhanced Moving k-means Clustering 3.3.1 Implementation of Enhanced Moving k-means Clustering 3.3.2 Performance Illustration of Enhanced Moving k-means Clustering 3.4 Outlier Rejection Fuzzy c-means Clustering 3.4.1 Implementation of Outlier Rejection Fuzzy c-means Clustering 3.4.2 Performance Illustration of Outlier Rejection fuzzy c-means Clustering References Chapter 4: Quantitative Analysis Methods of Clustering Techniques 4.1 Analysis Methods of Clustering Techniques 4.1.1 Qualitative Analysis 4.1.2 Quantitative Analysis 4.1.2.1 Mean Square Error (MSE) 4.1.2.2 INTER 4.1.2.3 VXB 4.1.2.4 F(I) 4.1.2.5 F′ (I) 4.1.2.6 Q(I) References Index