{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{“日期-部件”：[[2024,9,6]]，“日期-时间”：“2024-09-06T09:38Z”，“时间戳”：1725615518710}，“参考-计数”：100，“出版商”：“Springer Science and Business Media LLC”我”：“2023-08-29T00:00:00Z”，“timestamp”：169326720000}，“content-version”：“tdm”，“delay-in-days”：0，“URL”：“https://www.springernature.com//gp\/researters\/text-and-data-mining”}，{“start”：{“date-parts”：[[2023,8,29]]，“date-time”：“2023-08-29T00:00:00Z”，“timetamp”：693267200000}：“https:\/\/www.springernature.com//gp\/researters\/text-and-data-mining”}]，“content-domain”：{“domain”:[“link.springer.com”]，“crossmark-restriction”：false}，“short-container-title”：[“Multimed Tools Appl”]，”DOI“：”10.1007\/s11042-023-16569-2“，”type“：”journal-article“，”created“：{”date-parts“：[2023,8,29]]，”date-time“：”2023-08-29T08:“06:42Z“，”时间戳“：1693296402000}，“页面”：“27935-27971”，“更新策略”：“http://\/dx.doi.org\/10.1007\/springer_crossmark_policy”，“源”：“Crossref”，”is-referenced-by-count“：2，”title“：[“模糊C-Means for image segmentation:challenges and solutions”]，“前缀”：“10.1007”，《卷》：“83”，“作者”：[{“ORCID”：“http://www.ORCID.org\/00000-0002-6748-0569”，“”经认证的“：false，“given”：“奎师那·戈帕尔”，“family”：“Dhal”，“sequence”：“first”，“affiliation”：[]}，{“givent”：“Arunita”，“家族”：“Das”，“序列”：“additional”，“filiation“：[]{”given“：”Buddhadev“，”family“：”Sasmal“，”sequence“：”additional“：[]}，{”given“：”Rebika“，”family“：“Rai”，“sequence”：“additional”，“affiliation”：[]}，{“given”：“Arpan”，”family“：”Garai“，”sequence“：”additional“，”affiliation:[]}]，“member”：“297”，“published-online”：{“date-parts”：[2023,8,29]]}、“reference”：[{“issue”：“1”，“key”：”16569_CR1“，“doi-asserted-by”：“publisher”、“first-pages”：“%1”，“doi”：“10.1049 \/iet-ipr.2010.0122”，“卷”：“6”，“作者”：“CW Bong”，“年份”：“2012”，“非结构化”：“Bong CW，Rajeswari M（2012）具有元启发式的多目标聚类：图像分割的当前趋势和方法。IET image Proc 6（1）：1\u201310”，“期刊标题”：“IET image Proc”}，｛“key”：“16569_CR2”，“doi asserted by”：“publisher”，“first page”：“855”，“doi”：“10.1007\/s11831-019-09334-y”，“volume”：“27”，“author”：“KG Dhal”，“year”：“2020”，“unstructured”：“Dhal KG，Das A，Ray S，G\u00e1lvez J，Das S（2020）自然优化算法及其在多阈值图像分割中的应用。Arch Compute Methods Eng 27:855\u2013888。https:\/\/doi.org\/10.1007\/s11831-019-09334-y“，”journal-title“：”Arch-Comput Methods Eng“}，{“issue”：“3”，“key”：“16569_CR3”，”doi-asserted-by“：”publisher“，”first page“：”645“，”doi“：”10.1007\/s40998-019-00175-w“，”volume“43”，“author”：“KG Dhal”，“year”：“2019”，“unstructured”：“Dhal KG，Ray S，Das S、Biswas A、Ghosh S（2019年）色调保持和色域无问题组织病理学图像增强。伊朗J Sci-Technol Trans Electric Eng 43（3）：645\u2013672“，”journal-title“：”Iran J Sci-Techol Trans Eng“}，{”issue“：”2\u20133“，”key“：”16569_CR4“，”doi-asserted-by“：”publisher“，”first page“：“191”，“doi”：“10.1016\/0098-3004（84）90020-7”，“volume”：“10”，“author”：“JC Bezdek”，“year”：“1984”，“unstructured”：“”Bezdek JC、Ehrlich R、Full W（1984年）FCM：模糊c-均值聚类算法。Comput Geosci 10（2\u20133）：191\u2013203“，”journal-title“：”Comput Geosci“}，{“key”：“16569_CR5”，“doi-asserted-by”：“publisher”，“first page”：”12227“，”doi“：”10.1007\/s11042-019-08417-z“，”volume“：”79“，”author“：”KG Dhal“，”year“：”2020“unstructured”：“Dhal KG，G\u00e1lvez J，Ray S，Das A，Das S（2020）随机分形搜索驱动的急性淋巴细胞白血病图像分割。多媒体工具应用程序79:12227\u201312255。https:\/\/doi.org\/10.1007\/s11042-019-08417-z“，”journal-title“：”Multimed Tools Appl“}，{”key“：”16569_CR6“，”doi-asserted-by“：”publisher“，”first page“：“2026”，“doi”：“10.1109\/CEC.2006.1688556”，“volume”：“2006”，“author”：“S Das”，“year”：“06”，“unstructured”：“Das S，Konar A，Chakraborty UK（2006）具有差分进化的图像自动模糊分割。IEEE Congress Evol Comput 2006:2026\u20132033”，“期刊标题”：“IEEE Congress Evol Comput”}，｛“issue”：“5”，“key”：“16569_CR7”，“doi断言”：“publisher”，“首页”：“3027”，“doi”：“10.1109\/TFUZZ.2018.2796074”，“volume”：“26”，“author”：“T Lei”，“year”：“2018”，“nonstructured”：“Lei T，Jia X，Zhang Y，He L，Meng H，Nandi AK（2018）基于形态重建和隶属度过滤的快速鲁棒模糊c-均值聚类算法。IEEE Trans-fuzzy Syst 26（5）：3027\u20133041“，“journal-title”：“IEEE Trans-Vuzzy System”}，{“issue”：“1”，“key”：“16569_CR8”，“first page”：”35“，“volume”：：“28”，“author”：“MK Pakhira”，“year”：“2015”，“unstructured”：“Pakhira MK，（2015年1月），使用簇移位生成紧凑和独立簇的快速k-means算法。Int J Eng 28（1）：35\u201343“，”journal-title“：”Int J Eng“}，{”issue“：”9“，”key“：”16569_CR9“，“doi-asserted-by”：“publisher”，“first page”：“2078”，“doi”：“10.1109”\/TFUZ.2019.2930030“，”volume“28”，“author”：“T Lei”，“year”：“2019”，“unstructured”：“Lei T，Liu P，Jia X，Zhang X，Meng H，Nandi AK（2019）用于图像分割的自动模糊聚类框架。IEEE Trans Fuzzy Syst 28（9）：2078\u20132092“，”journal-title“：”IEEE Trans-Fuzzy Syst}，{“key”：“16569_CR10”，“doi-asserted-by”：“publisher”，“first page”：”45“，”doi“：”10.1016\/j.patcog.2017.05.017“，”volume“：”71“，”author“：”MS Yang“，”year“：”2017“，”unstructured“：”Yang MS，Nataliani Y（2017）聚类数目未知的鲁棒学习模糊c-均值聚类算法。Pattern Recogn 71:45\u201359“，”journal-title“：”Pattern Reign“}，{“issue”：“1”，“key”：“16569_CR11”，”doi-asserted-by“：”publisher“，”first page“：”218“，”doi“：”10.1109\/TSMCA.2007.909595“，”volume“：“38”，“author”：“S Das”，“year”：“2007”，“unstructured”：“Das S，Abraham A，Konar A（2007）使用改进的差分进化算法进行自动聚类。IEEE Trans Syst Man，Cybern-Part A:Syst Hum 38（1）：218\u2013237“，“journal-title”：“IEEE Trans-Syst-Man，Cybersn-Part A：系统Hum”}，{“issue”：“2”，“key”：“16569_CR12”，”doi-asserted-by“：”publisher“，”first page“：”415“，”doi“：”10.1016\/S0031-3203（00）00005-4“，”volume“：“34”，“author”：“LY Tseng”，“year”：“2001”，“非结构化”：“曾丽萍，杨世斌（2001）自动聚类问题的遗传方法。Pattern Recogn 34（2）：415\u2013424“，“journal-title”：“Pattern Reign”}，{“key”：“16569_CR13”，“unstructured”：“Manor LZ，Perona P（2005）Self-tunening spectrum clustering。In:Saul L，Weiss Y，Bottou L（eds）Proc Adv Neural Inf Proc Syst，vol 17。麻省理工学院出版社，温哥华，第1601\u20131608页。https:\/\/procedures.neurips.cc\/paper_files\/paper\/2004\/file\/40173ea48d9567f1f393b20c855bb40b-paper.pdf“}，{“问题”：“3”，“密钥”：“16569_CR14”，“doi-asserted-by”：“发布者”，“首页”：“193”，“doi”：“10.1109\/42.996338”，“卷”：“21”，“作者”：“MN Ahmed”，“年份”：“2002”，“非结构化”：“Ahmed MN”Yamany SM、Mohamed N、Farag AA、Moriarty T（2002）一种改进的模糊c-均值算法，用于MRI数据的偏置场估计和分割。IEEE Trans Med Imaging 21（3）：193\u2013199“，“journal-title”：“IEEE Trans-Med Imaging”}，{“issue”：“4”，“key”：“16569_CR15”，“doi-asserted-by”：“publisher”，“first page”：”1907“，“doi”：“10.1109”\/TSMCB.2004.831165“，”volume“34”，“author”：“S Chen”，“year”：“2004”，“unstructured”：“Chen S，Zhang D（2004）”基于新的核诱导距离测度的带空间约束的FCM鲁棒图像分割。IEEE Trans-Syst Man，Cybern，B部分（控制论）34（4）：1907\u20131916“，“新闻标题”：“IEEE Trans-Syst Man.，Cyber，B部分，控制论”}，{“key”：“16569_CR16”，“doi-asserted-by”：“publisher”，“unstructured”：“Szilagyi L，Benyo Z，Szil\u00e1gyi SM，Adam HS（2003）使用增强的模糊c均值算法进行MR脑图像分割。摘自：IEEE医学和生物学会工程第25届国际年会论文集（IEEE分类号03CH37439），第1卷。IEEE，坎昆，第724\u2013726页。https:\/\/doi.org\/10.109\/IEMBS.2003.1279866“，”doi“：”10.1109\/IEMBS.2003.127866“}，{“问题”：“3”，“密钥”：“16569_CR17”，“doi-asserted-by”：“发布者”，“首页”：“825”，“doi”：“10.1016\/j.patcog.2006.07.011”，“卷”：“40”，“作者”：“W Cai”，“年份”：“2007”，“非结构化”：“Cai W，Chen S、Zhang D（2007）结合局部信息的快速鲁棒模糊c均值聚类算法用于图像分割。Pattern Recogn 40（3）：825\u2013838“，“journal-title”：“Pattern Reign”}，{“issue”：“5”，“key”：“16569_CR18”，“doi-asserted-by”：“publisher”，“first page”：”1328“，”doi“：”10.1109\/TIP.201040763“，”volume“：”19“author”：“S Krinidis”，“year”：“2010”，“unstructured”：“Krinidiss S，Chatzis V（2010）一种鲁棒的模糊局部信息C均值聚类算法。IEEE Trans Image Process 19（5）：1328\u20131337“，“journal-title”：“IEEE Trans-Image Process”}，{“issue”：“4”，“key”：“16569_CR19”，“doi-asserted-by”：“publisher”，“first page”：《2141》，“doi”：“10.1109 \/TIP.2011.2170702”，“volume”：第21卷，“author”：“M Gong”，“year”：“2011”，“unstructured”：“Gong M，Zhou Z，Ma J（2011）基于图像融合和模糊聚类的合成孔径雷达图像中的变化检测。IEEE Trans-image Process 21（4）：2141\u20132151“，”journal-title“：”IEEE Trans-image Process“}，{“issue”：“2”，“key”：“16569_CR20”，“doi-asserted-by”：“publisher”，“first page”：”573“，”doi“：”10.1109\/TIP.2012.219547“，”volume“：”22“author”：“M Gong”，“year”：“2012”，“非结构化”：“龚M，梁Y，石J，马W，马J（2012）基于局部信息和核度量的模糊c均值聚类用于图像分割。IEEE Trans Image Process 22（2）：573\u2013584“，”journal-title“：”IEEE Trans-Image Process“}，{”issue“：”3“，”key“：”16569_CR21“，”doi-asserted-by“：”publisher“，”first page“：“1340”，”doi“：”10.1109 \/TIP.2016.2518805“，”volume“:”25“，”author“：”V May“，”year“：”2016“，”unstructured“：”May V，Keller Y，Sharon N，Shkolnisky Y（2016）一种通过低秩近似改进非局部均值算子的算法。IEEE Trans Image Process 25（3）：1340\u20131353“，“journal-title”：“IEEE Trans-Image Process”}，{“issue”：“4”，“key”：“16569_CR22”，“doi-asserted-by”：“publisher”，“first-page”：“1637”，“doi”：“10.1109\/TIP.2017.2658941”，“volume”：”26“author”：“MP Nguyen”，“year”：“2017”，“unstructured”：“Nguyeen MP，Chun SY（2017）基于极大极小估计的非局部均值图像去噪的有界自加权估计方法。IEEE Trans Image Process 26（4）：1637\u20131649“，”journal-title“：”IEEE Trans-Image Process“}，{”issue“：”3“，”key“：”16569_CR23“，”doi-asserted-by“：”publisher“，”first page“：“1419”，”doi“：”10.1109\/TGRS.2015.2480863“，“volume”：“54”，“author”：“AM Saranathan”，“year”：“2015”，“unstructured”：“Saranathan AM，Parente M（2015）基于均匀性的高光谱图像超像素分割。IEEE Trans Geosci Remote Sens 54（3）：1419\u20131430“，”journal-title“：”IEEE Trans-Geosci Remote-Sens“}，{”issue“：”3“，”key“：”16569_CR24“，”doi-asserted-by“：”publisher“，”first page“：“150”，“doi”：“10.1049\/iet-ipr.2011.0128”，“volume”：“8”，“author”：“Z Zaixin”，“year”：“2013”，“unstructured”：“Zaixin Z，Lizhi C，Guangquan C（2013年）图像分割的邻域加权模糊c均值聚类算法。IET Image Proc 8（3）：150\u2013161“，”journal-title“：”IET Image-Proc“}，{“issue”：“4”，“key”：“16569_CR25”，“doi-asserted-by”：“publisher”，“first page”：”272“，”doi“：”10.1049 \/IET-ipr.2015.0236“，”volume“10”，“author”：“FF Guo”，“year”：“2016”，“unstructured”：“Guo FF，Wang XX，Shen J（2016）基于局部噪声检测的自适应模糊c-均值算法用于图像分割。IET Image Proc 10（4）:272\u2013279“，“期刊标题”：“IET Image Proc”}，｛“issue”：“11”，“key”：“16569_CR26”，“doi断言”：“publisher”，“first page”：“3990”，“doi”：“10.1109\/TIP.2015.2456505”，“volume”：“24”，“author”：“G Liu”，“year”：“2015”，“nonstructured”：“Liu G，Zhang Y，Wang A（2015）将自适应局部信息引入模糊聚类进行图像分割。IEEE Trans Image Process 24（11）：3990\u20134000“，”journal-title“：”IEEE Trans-Image Process“}，{“issue”：“12”，“key”：“16569_CR27”，“doi-asserted-by”：“publisher”，“first page”：”3259“，”doi“：”10.1109\/TCYB.2015.2501848“，”volume“：”46“，”author“：”X Bai“，”year“：”2015“，”unstructured“：”Bai X，Chen Z，Zhang Y，Liu Z，Lu Y（2015）基于空间信息的红外舰船目标分割改进了FCM。IEEE控制论交易46（12）：3259\u20133271”，“期刊标题”：“IEEE控制论交易”}，{“密钥”：“16569_CR28”，“doi断言”：“交叉引用”，“非结构化”：“Zhang H，Wang Q，Shi W，Hao M（2017）一种新的自适应模糊局部信息均值聚类算法用于遥感图像分类。IEEE Trans Geosci Remote Sens 55（9）：5057\u20135068“，”DOI“：”10.1109\/TGRS.2017.2702061“}，{”issue“：”5“，”key“：”16569_CR29“，”DOI-asserted-by“：”publisher“，”first page“：“2565”，”DOI:“10.1109\/TGRS.2013.2263282”，“volume”：“52”，“author”：“P Ghamisi”，“year”：“2013”，“unstructured”：“Ghamisii P，Benediktsson JA、Ulfarsson MO（2013）基于隐马尔可夫随机场的高光谱图像光谱\u2013空间分类。IEEE Trans Geosci Remote Sens 52（5）：2565\u20132574“，”journal-title“：”IEEE Trans-Geosci远程传感器“}，{“key”：“16569_CR30”，“doi-asserted-by”：“publisher”，“first page”：”49“，”doi“：”10.1016\/j.patrec.2016.11.019“，”volume“：”85“，”author“：”QH Zhao“，”year“：”2017“，”unstructured“：”Zhao QH，Li XL，Li Y，Zhao XM（2017）基于隐马尔可夫随机场模型和Voronoi细分的模糊聚类图像分割算法。Pattern Recogn Lett 85:49\u201355“，”journal-title“：”Pattern Rett“}，{”issue“：”8“，”key“：”16569_CR31“，”doi-asserted-by“：”publisher“，”first-page“：”1770“，”doi“：”10.1109\/LGRS.2015.2425225“，”volume“：“12”，”author“：”G Liu“，”year“：”2015“，”unstructured“：”Liu G，Zhao Z，Zhang Y（2015）基于区域级马尔可夫随机场模型的图像模糊聚类。IEEE Geosci Remote Sens Lett 12（8）：1770\u20131774”，“期刊标题”：“IEEE Geosci Remote Sens Lett”}，｛“issue”：“5”，“key”：“16569_CR32”，“doi asserted by”：“publisher”，“first page”：“1351”，“doi”：“10.1109\/TFUZZ.2008.2008.2005008”，“volume”：“16”，“author”：“SP Chatzis”，“year”：“2008”，“nonstructured”：“Chatzis SP，Varvarigou TA（2008）一种用于增强空间约束图像分割的隐马尔可夫随机场模型的模糊聚类方法。IEEE Trans Fuzzy Syst 16（5）：1351\u20131361“，“journal-title”：“IEEE Trans-Fuzzy Syss”}，{“issue”：“10”，“key”：“16569_CR33”，“doi-asserted-by”：“publisher”，“first page”：《571》，“doi”：“10.1049 \/iet-ipr.2013.0178”，“volume”：第8卷，“author”：“H Zhang”，“year”：“2014”，“unstructured”：“Zhang H，Wu QMJ，Zheng Y，Nguyen TM，Wang D（2014）基于贝叶斯模型和均值模板的有效模糊聚类算法用于图像分割。IET Image Proc 8（10）：571\u2013581“，“journal-title”：“IET Image-Proc”}，{“key”：“16569_CR34”，“unstructured”：“Wang，C，Pedrycz，W，Li，Z，Zhou，M（2020）Kullback-Leibler发散模糊$C$-均值聚类，结合形态学重建和小波框架进行图像分割。\u00a0arXiv预印本arXiv:2002.09479”}、{“issue”：“3”，“key“：”16569_CR35“，”doi-asserted-by“：”publisher“，”first-page“：”896“，”doi“：”10.1109\/JSTARS.2018.2792841“，”volume“：“11”，”author“：”L Wan“，”year“：”2018“，”unstructured“：”Wan L，Zhang T，Xiang Y，You H（2018）一种基于贝叶斯非局部空间信息的稳健模糊c-means均值算法用于SAR图像分割。IEEE J Select Top Appl Earth Observations Remote Sens 11（3）：896\u2013906“，”journal-title“：”IEEE J选择Top Apple Earth Outbservation Remote Sens.“}，{”key“：”16569_CR36“，”doi-asserted-by“：”publisher“，”first page“：“625”，“doi”：“10.1016\/J.eswa.2018.10.023”，“volume”：“118”，“author”：“C Singh”，“year”：“2019”，“unstructured”：“Singh C，Bala A（2019）一种基于局部Zernike矩的无偏非局部均值模糊C均值算法用于脑磁共振图像分割。Expert Syst Appl 118:625\u2013639“，”journal-title“：”Expert Syss Appl“}，{”key“：”16569_CR37“，”doi-asserted-by“：”publisher“，”doi“：”10.1016\/j.eswa.2020.113989“，”volume“：“164”，”author“：”C Singh“，”year“：”2021“，”unstructured“：”Singh C，Bala A（2021）一种基于无监督正交旋转不变矩的模糊C均值脑磁共振图像分割方法。Expert Syst Appl 164:113989“，”journal-title“：”Expert Syss Appl“}，{”key“：”16569_CR38“，”doi-asserted-by“：”publisher“，”doi“：”10.1016\/j.asoc.2020.106318“，”volume“：“92”，”author“：”Q Wang“，”year“：”2020“unstructured”：”Wang Q，Wang X，Fang C，Yang W（2020）具有自适应空间和强度约束以及隶属度链接的鲁棒模糊c-均值聚类算法用于噪声图像分割。Appl Soft Compute 92:106318“，”journal-title“：”Appl Soft-Compute“}，{”key“：”16569_CR39“，”doi-asserted-by“：”publisher“，”first page“：“63”，”doi“：”10.1016\/j.jvcir.2018.04.007“，”volume“：：”54“，”author“：”P Ghosh“，”year“：”2018“，”unstructured“：”Ghosh P，Mali K，Das SK（2018）基于混沌萤火虫算法的模糊C均值算法用于磁共振图像中脑组织的分割。《J Vis Commun Image Represents 54:63\u201379》，“journal-title”：“J Vis Communin Image Repression”}，{“key”：“16569_CR40”，“doi-asserted-by”：“publisher”，“first-page”：“107347”，“doi”：“10.1016\/J.sigpro.2019.107347“，”volume“：”168“，”author“C Feng”，“year”：“2020”，“unstructured”：“Feng C，Li W，Hu J，Yu K，Zhao D（2020）”BCEFCM_S：偏差校正嵌入具有空间约束的模糊c-均值，用于分割具有强度不均匀性和噪声的多光谱图像。信号处理168:107347”，“日志标题”：“信号处理”}，{“问题”：“1”，“关键”：“16569_CR41”，“首页”：“51”，“卷”：“21”，“作者”：“M Alruwaili”，“年份”：“2020”，“非结构化”：“Alruwailli M，Siddiqi MH，Javed MA（2020）一种使用空间模糊C均值的稳健聚类算法用于大脑MR图像。埃及Inf J 21（1）：51\u201366”，“日记标题”：埃及Inf J“}，{“key”：“16569_CR42”，“doi-asserted-by”：“publisher”，“unstructured”：“Liu MY，Tuzel O，Ramalingam S，Chellappa R（2011）熵率超像素分割。In:CVPR 2011。IEEE，科罗拉多州斯普林斯，第2097\u20132104页。https:\/\/doi.org\/10.109\/CVPR.2011.5995323“，”doi“：”10.1109\/CVPR.2011.5995323“}，{”key“：”16569_CR43“，”doi-asserted-by“：”publisher“，”unstructured“：”Wang S，Lu H，Yang F，Yang MH（2011）Superpixel tracking。In:2011国际计算机视觉会议。IEEE，巴塞罗那，pp 1323\u20131330。https:\/\/doi.org\/10.109\/ICCV.2011.6126385“，”doi“：”10.1109\/ICCV.2011.6126385“}，{“问题”：“9”，“密钥”：“16569_CR44”，“doi-asserted-by”：“发布者”，“首页”：“1761”，“doi”：“10.1109\/TPAMI.2014.2303095”，“卷”：“36”，“作者”：“S Kim”，“年份”：“2014”，“非结构化”：“Kim S，Yoo CD、Nowozin S、Kohli P（2014）使用高阶相关聚类进行图像分割。IEEE Trans-Pattern Ana Mach Intell 36（9）：1761\u20131774“，”journal-title“：”IEEE Trans-Pattern Analy Mach Intel}，{“issue”：“7”，“key”：“16569_CR45”，“doi-asserted-by”：“publisher”，“first-page”：“3317”，“doi”：“10.1109\/TIP.2017.2651389”，“volume”：”26“author”：“J Chen”，“year”：“2017”，“非结构化”：“Chen J，Li Z，Huang B（2017）线性光谱聚类超像素。IEEE Trans Image Process 26（7）：3317\u20133330“，”journal-title“：”IEEE Trans-Image Process“}，{“key”：“16569_CR46”，“doi-asserted-by”：“publisher”，“first-page”：“1”，“doi”：“10.1016\/j.cviu.2017.03.007”，“volume”：《166》，“author”：“D Stutz”，“year”：“2018”，“unstructured”：“Stutz D，Hermans A，Leibe B（2018）Superplixels:An of the ated of the estimal。Comput-Vis Image Underst 166:1\u201327“，”journal-title“：”Comput-Vis-Image Underster“}，{”issue“：”9“，”key“：”16569_CR47“，”doi-asserted-by“：”publisher“，”first page“：“1753”，”doi“：”10.1109 \/TFUZ.2018.2889018“，”volume：“27”，”author“：”T Lei“，”year“：”2018“，”unstructured“：”Lei T，Jia X，Zhang Y，Liu S，Meng H，Nandi AK（2018）基于超像素的快速模糊C均值聚类彩色图像分割。IEEE Trans-Fuzzy Syst 27（9）：1753\u20131766“，”期刊标题：“IEEE Trans-Fuzzy Syst”}，｛“key”：“16569_CR48”，“doi断言”：“publisher”，“nonstructured”：“Wu C，Zhang L，Zhang H，Yan H（2019）改进的基于超像素的快速模糊C-均值聚类用于图像分割。In：2019 IEEE国际图像处理会议（ICIP）IEEE，台北，第1455\u20131459页。https:\/\/doi.org\/10.109\/ICIP.2019.8803039“，”doi“：”10.1109\/IICP.2019.803039“}，{”key“：”16569_CR49“，”doi-asserted-by“：”publisher“，”first page“：“105”，“doi”：“10.1016\/j.artmed.2018.11.007”，“volume”：“97”，“author”：“AM Anter”，“year”：“2019”，“unstructured”：“Anter AM，Hassenian AE（2019）利用中子学集合、快速模糊c-均值和自适应分水岭算法的CT肝脏肿瘤分割混合方法。Artif Intell Med 97:105\u2013117”，“期刊标题”：“Artif Intell Med”}，｛“问题”：“2”，“密钥”：“16569_CR50”，“doi断言”：“出版商”，“第一页”：“322”，“doi”：“10.1007\\s10278-018-0149-9”，“卷”：“32”，“作者”：“SN Kumar”，“年份”：“2019”，“非结构化”：“Kumar SN，Fred AL，Varghese PS（2019）使用新的基于优化空间特征的超像素模糊c-均值聚类对大脑、乳房X光片和乳腺MR图像上的可疑病变进行分割。J Digit Imaging 32（2）：322\u2013335“，“journal-title”：“J Digital Imaging”}，{“issue”：“20”，“key”：“16569_CR51”，“doi-asserted-by”：“publisher”，“first page”：”10407“，“doi”：“10.1007 \/s00500-018-3594-y”，“卷：“23”，“作者”：“S Kahali”，“年份”：“2019”，“非结构化”：“Kahali S，Sing JK，Saha PK（2019）基于熵的模糊c均值聚类新方法及其在脑MR图像分割中的应用。Soft Comput 23（20）：10407\u201310414“，”journal-title“：”Soft Compute“}，{”key“：”16569_CR52“，”doi-asserted-by“：”publisher“，”first page“：“107767”，”doi“：”10.1016\/j.sigpro.2020.107767“，”volume“：基于二次多项式的抗噪FCM图像分割方法。Signal Process 178:107767“，”journal-title“：”Signal Process}，{“key”：“16569_CR53”，“doi-asserted-by”：“publisher”，“first-page”：“106814”，“doi”：“10.1016\/j.knosys.2021.106814“，”volume“：”216“，”author“：”KG Dhal“，”year“2021”，“unstructured”：“Dhal KG，Das A，Ray S，G\u00e1lvez j（2021）”用于基于直方图的模糊图像聚类的随机吸引粗略萤火虫算法。基于知识的系统216:106814。https:\/\/doi.org\/10.1016\/j.knosys.2021.106814“，”journal-title“：”基于知识的系统“}，{”key“：”16569_CR54“，”doi-asserted-by“：”publisher“，”first page“：“114063”，“doi”：“10.1016\/j.eswa.2020.114063”，“volume”：“166”，“author”：“H Abdelahoum”，“year”：“2021”，“unstructured”：“Abdelahourm H，Mokhtari N、卜拉希米A、布克拉A（2021年）CSFCM：一种使用协作方法的改进的模糊C均值图像分割算法。Expert Syst Appl 166:114063“，”journal-title“：”Expert Syss Appl“}，{”issue“：”8“，”key“：”16569_CR55“，”doi-asserted-by“：”publisher“，”first-page“：”1785“，”doi“：”10.1016\/S0031-3203（01）00170-4“，”volume“：图像颜色量化的模糊算法。Pattern Recogn 35（8）：1785\u20131791“，”journal-title“：”Pattern Reign“}，{“issue”：“1”，“key”：“16569_CR56”，“doi-asserted-by”：“publisher”，“first-page”：“67”，“doi”：“10.1109\/4235.585893”，“volume”：”1“，“author”：“DH Wolpert”，“year”：“1997”，“unstructured”：“Wolpert DH，Macready WG（1997）No free lunch theature for optimization。IEEE Trans-Evol Compute 1（1）：67\u201382“，”journal-title“：”IEEE Trans-Evol Compute“}，{”issue“：”2“，”key“：”16569_CR57“，”doi-asserted-by“：”publisher“，”first page“：“95”，”doi“：”10.1023\/A:1022602019183“，”volume“：，“journal-title“：“Mach Learn”}，{“key”：“16569_CR58”，“first page”：”79“，“volume-title”：“New ideas in optimization”，“author”：“KV Price”，“year”：“1999”，“unstructured”：“Price KV（1999）An introduction to differential evolution.New ides in optimission.McGraw-Hill Ltd.，UK，pp 79\u2013108”}、{“密钥”：“1.6569_CR59”，“非结构化”：“Maniezzo，ACMDV（1992）蚁群分布式优化。在：走向自治系统的实践：第一届欧洲人工生命会议记录。Elsevier publishing，Mit Press，Paris，pp 134\u2013142“}，{“key”：“16569_CR60”，“doi-asserted-by”：“publisher”，“unstructured”：“Eberhart R，Kennedy J（1995）使用粒子群理论的新优化器。In:Micro Machine and Human Science，1995。MHS’95。第六届国际研讨会会议记录。IEEE，名古屋，第39页\u201343。https:\/\/doi.org\/10.109\/MHS.1995.494215“，”doi“：”10.1109\/MHS.1095.494215“}，{“问题”：“3”，“密钥”：“16569_CR61”，“doi-asserted-by”：“发布者”，“首页”：“459”，“doi”：“10.1007\/s10898-007-9149-x”，“卷”：“39”，“作者”：“D卡拉博加”，“年份”：“2007”，“非结构化”：“卡拉博加D，Bas Turk B（2007）一种强大而有效的数值函数优化算法：人工蜂群（ABC）算法。J Global Optim 39（3）：459\u2013471“，“journal-title”：“J Global opim”}，{“issue”：“2”，“key”：“16569_CR62”，“doi-asserted-by”：“publisher”，“first-page:”78“，”doi“：”10.1504\/IJBIC.2010.032124“，”volume“：”2“，”author“：”XS Yang“，”year“：”2010“，”unstructured“：”Yang XS（2010）萤火虫算法、随机测试功能和设计优化。Int J Bio-Inspired Compute 2（2）：78\u201384“，”journal-title“：”Int J Bio-Inspiered Compute“}，{“key”：“16569_CR63”，“doi-asserted-by”：“publisher”，“unstructured”：“Yang XS，Deb S（2009）通过L\u00e9vy航班进行布谷鸟搜索。In:Nature&Biological Inspired-Computing，2009。NaBIC 2009年。世界大会。EEE，哥印拜陀，第210\u2013214页。https:\/\/doi.org\/10.109\/NABIC.2009.5393690“，”doi“：”10.1109\/NABIC.2009.539“}，{“key”：“16569_CR64”，“doi-asserted-by”：“publisher”，“unstructured”：“Yang XS（2010）一种新的元启发式蝙蝠启发算法。自然启发的优化合作策略（NICSO 2010），第284卷。施普林格，柏林，海德堡，pp 65\u201374。https:\/\/doi.org\/10.1007\/978-3-642-12538-6_6“，”doi“：”10.1007\/9783-642-12538-6_6“}，{“key”：“16569_CR65”，“volume-title”：“用于全局优化的花授粉算法。在非常规计算和自然计算国际会议上（第240\u2013249页）”，“author”：“XS Yang”，“year”：“2012”，“unstructured”：“Yang XS（2012）用于全局优化的花授粉算法。在非常规计算和自然计算国际会议上（第240\u2013249页）。施普林格，柏林，海德堡“}，{“key”：“16569_CR66”，“doi-asserted-by”：“publisher”，“first page”：”1471“，“doi”：“10.1007\/s11831-020-09425-1”，”volume“：”28“，”author“：”KG Dhal“，”year“：”2021“，”unstructured“：”Dhal KG，Das A，Ray S，G\u00e1lvez J，Das S（2021）直方图均衡变量作为优化问题：综述。建筑计算方法工程28:1471\u20131496。https:\/\/doi.org\/10.1007\/s11831-020-09425-1“，”journal-title“：”Arch-Comput Methods Eng“}，{“issue”：“5”，“key”：“16569_CR67”，“doi-asserted-by”：“publisher”，“first page”：”1607“，”doi“：”10.1007\/s1183-18-9289-9“，“volume”：：“26”，“author”：“KG Dhal”，“year”：“2019”，“unstructured”：“Dhal KG，Ray S，Das A，Das S（2019）自然启发优化算法及其在图像增强领域的应用综述。Arch Comput Methods Eng 26（5）：1607\u20131638”，“journal-title”：“Arch Compute Methods-Eng”}，{“issue”：“6”，“key”：“16569_CR68”，“doi-asserted-by”：“publisher”，“first page”：”2033“，“doi”：“10.1007\/s00500-017-2916-9”，“volume”:“23”，“author”：“M Zhang”，“year”：“2019”，”非结构化：“Zhang M，Jiang W，Zhou X，Xue Y，Chen S（2019）基于生物地理学的混合优化和模糊C均值图像分割算法。Soft Comput 23（6）：2033\u20132046“，”期刊标题：“Soft Comput”}，｛“key”：“16569_CR69”，“doi asserted by”：“publisher”，“first page”：“340”，“doi”：“10.1016\/j.esw.2018.10.009”，“volume”：“118”，“author”：“AM Anter”，“year”：“2019”，“nonstructured”：“Anter AM，Hassenian AE，Oliva D（2019）一种改进的快速模糊c-均值算法，用于农业作物识别。Expert Syst Appl 118:340\u2013354“，”journal-title“：”Expert Syss Appl“}，{”key“：”16569_CR70“，”volume-title”：“群体智能与模糊C相结合的比较研究，用于医学图像分割。在Smart Computational Strategies:Theory and Practical Aspectives（pp.69\u201380）”中，“author”：“TI Singh”，“year”：“2019”，“非结构化”：“Singh TI，Laishram R，Roy S（2019）群智能与模糊C均值聚类相结合用于医学图像分割的比较研究。《智能计算策略：理论和实践方面》（第69页\u201380）。Springer，Singapore“}，{”issue“：”4“，”key“：”16569_CR71“，”doi-asserted-by“：”publisher“，”first page“：“3647”，“doi”：“10.3233\/JIFS-179587”，“volume”：“38”，“author”：“H Zhi”，“year”：“2020”，“unstructured”：“Zhi H，Liu S（2020）基于模糊c-means和人工蜂群优化的灰度图像分割。智能模糊系统杂志38（4）：3647\u20133655”，“journal-title“：”J Intell Fuzzy Syst“}，{“key”：“16569_CR72”，“doi-asserted-by”：“publisher”，“unstructured”：“Ganesan P，Vadivel M，Sivakumar VG，Vasanth K（2020）爬山优化和模糊C-均值聚类用于黑色素瘤皮肤癌的识别和分割。在：2020年第六届先进计算与通信系统国际会议（ICACCS）。IEEE，哥印拜陀，第357\u2013361页。https:\/\/doi.org\/10.109\/ICACCS48705.2020.9074333“，”doi“：”10.1109\/ICACS48705.2020.9074333“}，{“key”：“16569_CR73”，“doi-asserted-by”：“publisher”，“unstructured”：“Tongbram S，Shimray BA，Singh LS，Dhanchandra N（2021）一种使用fcm和鲸鱼优化算法的新型图像分割方法。J Ambient Intell Humanized Compute，pp 1\u201315。https:\/\/doi.org\/10.1007\/s12652-020-02762-w“，”doi“：”10.1007\/s126520-02762-w“}，{“key”：“16569_CR74”，“doi-asserted-by”：“publisher”，“unstructured”：“Veras R，Aires K，Britto L（2018）使用种子模糊c-means的医学图像分割：半监督聚类算法。In:2018国际神经网络联合会议（IJCNN）IEEE，里约热内卢，第1\u20137页。https:\/\/doi.org\/10.109\/IJCNN.2018.8489401“，”doi“：”10.1109\/IJCN.2018.8489401“}，{“问题”：“6191”，“密钥”：“16569_CR75”，“doi-asserted-by”：“发布者”，“首页”：“1492”，“doi”：“10.1126\/science.1242072”，“卷”：“344”，“作者”：“A Rodriguez”，“年份”：“2014”，“非结构化”：“Rodrigue”z A，Laio A（2014）通过快速搜索和发现密度峰值进行聚类。Sci 344（6191）：1492\u20131496“，”journal-title“：”Sci“}，{”issue“：”8“，”key“：”16569_CR76“，”doi-asserted-by“：”publisher“，”first-page“：”1971“，“doi”：“10.1109\/TKDE.2016.2535209”，“volume”：“28”，“author”：“G Wang”，“year”：“2016”，“unstructured”：“Wang G，Song Q（2016）”通过对密度度量的向外统计测试实现自动聚类。IEEE Trans Knowl Data Eng 28（8）：1971\u20131985“，“journal-title”：“IEEE Trans-Knowl-Data Eng”}，{“key”：“16569_CR77”，“doi-asserted-by”：“publisher”，“unstructured”：“Devi SS，Singh NH，Laskar RH（2020）基于直方图聚类选择的模糊C均值聚类用于非皮肤镜图像的皮肤损伤分割。国际J互动多媒体艺术情报6（1）：26\u201331。https:\/\/doi.org\/10.9781\/ijimai.2020.01.001“，”doi“：”10.9781\/ijimai.2020.1.001“}，{“问题”：“1”，“密钥”：“16569_CR78”，“doi-asserted-by”：“发布者”，“首页”：“59”，“doi”：“10.1007\/s10044-018-0729-9”，“卷”：“23”，“作者”：“F Garc\u00eda-Lamont”，“年份”：“2020”，“非结构化”：“Garc\u00eda-Lamont F，Cervantes J，L\u00f3pez-Chau A，Yee-Rend\u00f 3n A（2020）通过提取颜色的色度特征，使用模糊c均值自动计算彩色图像分割的簇数。Pattern Anal Appl 23（1）：59\u201384“，”journal-title“：”Pattern Anal Appl“}，{”issue“：”6“，”key“：”16569_CR79“，”doi-asserted-by“：”publisher“，”first page“：“889”，”doi“：”10.1007 \/s12530-022-09425-5“，”volume“:”13“，”author“：”R Rai“，“year”：“2022”，”unstructured“：”Rai R，Das A，Dhal KG（2022）自然启发优化算法及其在多阈值图像分割中的意义：一篇包容性综述。Evol-Syst 13（6）：889\u2013945“，”journal-title“：”Evol-Syst“}，{”key“：”16569_CR80“，”doi-asserted-by“：”publisher“，”first page“：“1643”，”doi“：”10.1007\/s11831-09629-z“，”volume“:”29“，”author“：”KG Dhal“，”year“：”2021“，”unstructured“：”Dhal KG，Das A，Ray S，Sarkar K，G\u00e1lvez J（2021）基于粗糙集的图像聚类分析综述。建筑计算方法工程29:1643\u20131672。https:\/\/doi.org\/10.1007\/s11831-021-09629-z“，”journal-title“：”Arch-Comput-Methods Eng“}，{”issue“：”1“，”key“：”16569_CR81“，”doi-asserted-by“：”publisher“，”first page“：“129”，“doi”：“10.1134\/S1054661821040118”，“volume”：“32”，“author”：“D Ghosal”，“year”：“2022”，“unstructured”：“Ghosal D，Das A，Dhal千克（2022）玫瑰花结植物叶片分割聚类技术的比较研究。模式识别图像分析32（1）：129\u2013141“，”journal-title“：”Pattern Recognit Image Ana“}，{”issue“：”6“，”key“：”16569_CR82“，”doi-asserted-by“：”publisher“，“first page”：“4531”，“doi”：“10.1007\/s00521-06610-6”，“volume”：”34“，“author”：“A Das”，“year”：“2022”，“unstructured”：“Das A，Dhal KG，Ray S，G\u00e1 lvez J（2022）基于直方图的快速鲁棒图像聚类，使用随机分形搜索和形态学重建。神经计算应用程序34（6）：4531\u20134554“，“journal-title”：“神经计算应用”}，{“key”：“16569_CR83”，“doi-asserted-by”：“publisher”，“unstructured”：“Labati RD，Piuri V，Scotti F（2011）All-IDB：用于图像处理的急性淋巴细胞白血病图像数据库。2011年第18届IEEE图像处理国际会议，布鲁塞尔，第2045\u20132048页。https:\/\/doi.org\/10.109\/ICIP.2011.6115881“，”doi“：”10.1109\/IICP.2011.6115“}，{“issue”：“1”，“key”：“16569_CR84”，“doi-asserted-by”：“publisher”，“first page”：”1“，“doi”：“10.1080\/0361092708827101”，“volume”：：“3”，“author”：“T Cali\u0144ski”，“year”：“1974”，“unstructured”：“Cali”\u0144ski T，Harabasz J（1974）用于聚类分析的枝晶方法。Commun Stat-Theory Methods 3（1）：1\u201327“，”journal-title“：”Commun Stat-Theory-Methods“}，{”key“：”16569_CR85“，”doi-asserted-by“：”publisher“，”first page“：“224”，“doi”：“10.1109\/TPAMI.1979.4766909”，“volume”：“2”，“author”：“DL Davies”，“year”：“1979”，“unstructured”：“Davies DL，Bouldin DW（1979）集群分离措施。IEEE Trans-Pattern Ana Mach Intell 2:224\u2013227“，“journal-title”：“IEEE Trans-Pattern Ala Mach Intell”}，{“issue”：“2”，“key”：“16569_CR86”，“doi-asserted-by”：“publisher”，“first page”：”411“，“doi”：“10.1111\/1467-9868.00293”，“volume”:“63”，“author”：“R Tibshirani”，“year”：“2001”，“unstructured”：“Tibshilani R，Walther G，Hastie T（2001）通过间隙统计估计数据集中的聚类数量。J Royal Stat Soc Series B（Statistical Methodology）63（2）：411\u2013423“，“journal title”：“J Royall Stat Soc Series B”（统计方法）}，{“key”：“16569_CR87”，“unstructured”：“Kaufman L，Rousseeuw PJ（2009）Finding groups in data:an introduction to cluster analysis，vol 344）.John Wiley&Sons.https:\\/books.google.co.in？id=YeFQHiikNo0C“}，{”key“：”16569_CR88“，”doi-asserted-by“：”publisher“，”first-pages“：”53“，”doi“：”10.1016\/0377-0427（87）90125-7“，“volume”：“20”，“author”：“PJ Rousseeuw”，“year”：“1987”，“unstructured”：“Rousseuw PJ（1987）Silhouettets:a graphical aid to the interpretation and validation of cluster analysis。计算机应用数学20:53\u201365”，“journal al标题“：”J Compute Appl Math“}，{”issue“：”1“，”key“：”16569_CR89“，”doi-asserted-by“：”publisher“，”first page“：“65”，“doi”：“10.1016\/S0169-7439（02）00052-7”，“volume”：“64”，“author”：“JC Noodam”，“year”：“2002”，“unstructured”：“Noodam JC，Van Den Broek WHAM，Buydens LMC（2002）基于聚类大小不敏感模糊c-均值的多元图像分割。化学智能实验室系统64（1）：65\u201378”，“日志标题”：“化学智能实验室”}，{“问题”：“5”，“关键”：“16569_CR90”，“doi-asserted-by”：“发布者”，“首页”：“2042”，“doi”：“10.1016\/j.patcog.2013.11.031”，“卷”：“47”，“作者”：“PL Lin”，“年份”：“2014”，“非结构化”：“Lin PL，Huang PW，Kuo CH，Lai YH（2014年）用于数据聚类的一种大小敏感的基于完整性的模糊c-均值方法。模式识别47（5）：2042\u20132056“，”日志标题“：”模式识别“}，{“key”：“16569_CR91”，“doi-asserted-by”：“publisher”，“first page”：”224“，”doi“：”10.1016\/j.procs.2017.09.064“，”volume“：”114“，”author“：”N Gueorguieva“，”年份“：”2017“，”非结构化“：”Gueorguieva N、Valova I、Georgiev G（2017）《M&MFCM：模糊c均值聚类与马氏体和minkowski距离度量》。Proced Comput Sci 114:224\u2013233”，“期刊标题”：“Proced Comput Sci”}，｛“key”：“16569_CR92”，“nonstructured”：“Liu HC，Jeng BC，Yih JM，Yu YK（2009）基于标准马氏距离的模糊C-均值算法。在：论文集。2009年国际信息处理研讨会（ISIP 2009）。中国科学院出版社，第422页。AP-PROC-CS-09CN002“}，{“key”：“16569_CR93”，“doi-asserted-by”：“publisher”，“first-pages”：“8”，“doi”：“10.1016\/j.dsp.2015.04.009”，“volume”：”43“，“author”：“X Zhao”，“year”：“2015”，“unstructured”：“Zhao X，Li Y，Zhao Q（2015）基于模糊聚类算法的马氏距离图像分割。数字信号处理43:8\u201316”，“journal-title”：“数字信号处理“}，{“key”：“16569_CR94”，“doi-asserted-by”：“publisher”，“unstructured”：“Liu HC，Yih JM，Liu SW（2007）基于马氏距离和更好初值的模糊c-mean算法。In:Information Sciences 2007，pp 1398\u20131404。https://doi.org/10.1142\/9789812709677_0199“，”doi“：”10.1142\/9789812709677_0199“｝，｛”key“：”16569_CR95“，”doi断言“：”publisher“，”unstructured“：”Rundo L，Militello C，Russo G，D\u2019Urso D，Valastro LM，Garufi A，\u00a0Mauri G，\u00a0Vitabile S，Gilardi MC（2018）基于模糊c-均值聚类算法的前列腺全自动多光谱MR图像分割。In：神经计算的多学科方法。查姆施普林格，第23\u201337页。https:\/\/doi.org\/10.1007\/978-3-319-56904-8_3“，”doi“：”10.1007\/9783-319-56904-8_3“}，{“问题”：“2”，“密钥”：“16569_CR96”，“doi-asserted-by”：“发布者”，“首页”：“425”，“doi”：“10.1016\/S0031-3203（00）00002-9”，“卷”：“34”，“作者”：“CC Wong”，“年份”：“2001”，“非结构化”：“Wong CC陈CC，苏MC（2001）一种新的数据聚类算法。Pattern Recogn 34（2）：425\u2013442“，”journal-title“：”Pattern Reign“}，{”issue“：”5“，”key“：”16569_CR97“，”doi-asserted-by“：”publisher“，”first page“：“859”，“doi”：“10.1016\/0031-3203（95）00120-4”，“volume”：“29”，“author”：“AM Bensaid”，“year”：“1996”，“unstructured”：“Bensaid AM，Hall LO，Bezdek JC，Clarke LP（1996）用于图像分割的部分监督聚类。Pattern Recogn 29（5）：859\u2013871“，”journal-title“：”Pattern Reign“}，{”issue“：”7“，”key“：”16569_CR98“，”doi-asserted-by“：”publisher“，”first page“：“773”，”doi“：”10.1109 \/34.192473“，”volume“：11（7）：773\u2013780“，”journal-title“：”IEEE Trans-Pattern Ana Mach Intell“}，{”issue“：”29\u201330“，”key“：”16569_CR99“，”doi-asserted-by“：”publisher“，”first page“：“20483”，”doi“：”10.1007\/s11042-019-07988-1“，“volume”：“79”，“author”：“I Bakkouri”，“year”：“2020”，“unstructured”：“Bakkouri I，Afdel K（2020）Computer-aided diagnosis（CAD）基于多层特征融合网络的皮肤镜图像皮损识别系统。Multim Tools Appl 79（29\u201330）：20483\u201320518“，“journal-title”：“Multim工具应用程序”}，{“key”：“16569_CR100”，“doi-asserted-by”：“publisher”，“unstructured”：“Bakkouri I，Afdel K（2022）MLCA2F：基于CT扫描的COVID-19病变分割的多层次上下文注意特征融合。信号、图像和视频处理。https:\/\/doi.org\/10.1007\/s11760-022-02325-w“，”doi“：”10.1007\/s11700-022-02325-w“}]，”container-title“：[”多媒体工具和应用程序“]，”original-title”：[]，”language“：”en“，”link“：[{”URL“：”https:\//link.springer.com\/content\/pdf\/10007\/s11042-023-16569-2.pdf“，”content-type“：”application\/pdf“，”内容版本“：”“vor”，“intended-application“：”text-mining“}，{“URL”：“https:\/\/link.springer.com/article\/10.1007\/s11042-023-16569-2\/fulltext.html”，“内容类型”：“text\/html”，“content-version”：“vor”，“intended-application”：“text-mining”}，}“URL“：”https:\//link.springer\com/content\/pdf\/10.10007\/s1104-20-16569-2.pdf“，”content-type“：”application\/pdf“，“content-version“：”vor“，”intended-application“：”similarity-checking“}]，”deposed“：{”date-parts“：[[2024,2,29]]，”date-time“：”2024-02-29T18:18:11Z“，”timestamp“：1709230691000}，”score“：1，”resource“：”{“primary”：{“URL”：“https:\/\/link.springer.com/10.1007\/s11042-023-16569-2”}，“副标题”：[]，“发布”“：{”日期部分“：[[2023,8,29]]}，”references-count“：100，”journal-issue“：{”issue“：”9“，”published-online“：{”date-parts“：[2024,3]]}}，”alternative-id“：[”16569“]，”URL“：”http://\/dx.doi.org\/10.1007\/s11042-023-16569-2“，”relationship“：{}，“ISSN”：[“1573-7721”]，“ISSN-type”：[{“value”：“1573-77”，“type”:“electronic”}]，“主题”：[]，“发布”：{“日期部分”：[[2023,8,29]]}，“断言”：[{“值”：“2023年2月11日“，”订单“：1，”名称“：”收到“，”标签“：”接收“，”组“：，“组”：{“名称”：ArticleHistory“，”label“：”Article History”}}，{“value”：“2023年8月29日”，“order”：4，“name”：“first_online”，“label”：“first online”，”group“：{“name”:“ArticleHistory”，“table”：“Article历史”}}}、{“order“：1，”name“：”Ethics“，”group:{“name:”EthicsHeading“，”table“：”Declarations“}}”，{”value“：”通讯作者代表所有作者表示，不存在利益冲突。\作者声明他们没有利益冲突。“，”“order”：2，“name”：“Ethics”，“group”：{“name”:“EthicsHeading”，“label”：“利益冲突”}}，{“value”：“本文不包含任何作者对人类参与者或动物进行的任何研究。”