基于改进谱聚类的图像分割算法(2014年)资源-CSDN文库

工程技术

论文

需积分: 25 43 浏览量 2021-06-15 03:10:35 上传评论收藏 1.23MB PDF 举报

资源推荐

资源详情

资源评论

C omputer Engineering and Applications计算机工程与应用2014，50（21）

1 引言

在计算机视觉理论中，图像分割与特征提取，目标

识别构成了计算机视觉领域从低到高的三个层次，特征

提取与目标识别都以图像分割为基础，分割的好坏直接

影响到后续特征提取和目标识别的质量

[1]

。由于图像的

复杂多变性，目前还没有一种算法能够通用于所有的图

像，都是针对具体问题采用具体的算法

[2]

。因此，图像分

割算法的研究越来越受到人们的重视。传统的图像分

割方法可以分为三类：基于区域的分割、基于边界的分

割和基于纹理的分割。近几十年来，随着一些新理论和

新方法的提出和应用，图像分割方法层出不穷，其中比

较有代表性的是基于聚类、遗传算法、神经网络、支持向

基于改进谱聚类的图像分割算法

关昕

，周积林

GUAN Xin

, ZHOU Jilin

1.辽宁工程技术大学电子与信息工程学院，辽宁葫芦岛 125105

2.辽宁工程技术大学研究生学院，辽宁葫芦岛 125105

1.School of Electronics and Information Engineering, Liaoning Technical University, Huludao, Liaoning 125105, China

2.Institute of Graduate, Liaoning Technical University, Huludao, Liaoning 125105, China

GU AN Xin, ZHOU Jilin. Image segmentation based o n improved spectral clustering algorithm. Computer En gi-

neering and Applications, 2014, 50（21）：184- 188.

Abstract：Aiming at the default that when the traditional spectral clustering algorithm is applied to image segmentation,

it only uses the feature similarity information to construct similarity matrix and ignores the spatial adjacency information

defect of spatial distribution of pixels, this paper presents a new similarity measure formula—weighted euclidean distance

of the Gaussian kernel function, making full use of image feature similarity information and spatial adjacency information

to structure similarity matrix. In the spectral mapping process, using Nystrom approximation strategy to approximate simi-

larity matrix and eigenvectors, it greatly reduces the computational complexity to solve similarity matrix and reduces the

memory consumption. This paper applies a new clustering algorithm—Affinity Propagation to the low-dimensional sub-

space. It avoids the defect that traditional spectral clustering using K-means algorithm can not automatically determine the

number of clusters and it is sensitive to initial value and easy to fall into local optimum. The experiments prove that the

proposed algorithm obtains better segmentation results than the traditional spectral clustering algorithm.

Key words：spectral clustering; spatial adjacency information; similarity matrix; Nystrom approximation; Affinity Propa-

gation（AP）algorithm

摘要：针对传统谱聚类算法应用于图像分割时仅采用特征相似性信息构造相似性矩阵，而忽略了像素分布的空间

临近信息的缺陷，提出一种新的相似性度量公式

—

加权欧氏距离的高斯核函数，充分利用图像特征相似性信息和

空间临近信息构造相似性矩阵。在谱映射过程中，采用 Nystrom 逼近策略近似估计相似性矩阵及其特征向量，大大

减少了求解相似性矩阵的运算复杂度，降低了内存消耗。对得到的低维向量子空间采用一种新型的聚类算法

—

近邻传播聚类算法进行聚类，避免了传统谱聚类采用 K-means 算法对初始值敏感，易陷入局部最优的缺陷。实验表

明该算法获得了比传统谱聚类算法更好的分割效果。

关键词：谱聚类；空间临近信息；相似性矩阵；Nystrom 逼近策略；近邻传播聚类算法

文献标志码：A 中图分类号：TP391 doi：10.3778/j.issn.1002-8331.1311-0473

作者简介：关昕（1967—），男，副教授，硕士生导师，主要研究方向：网络安全，图像处理；周积林（1990—），男，硕士研究生，主要

研究方向：图像处理，模式识别。E-mail：zjl694059781@163.com

收稿日期：2013-12-02 修回日期：2014-01-23 文章编号：1002-8331（2014）21-0184-05

CNKI网络优先出版：2014-07-02，http://www.cnki.net/kcms/doi/10.3778/j.issn.1002-8331.1311-0473.html

184

本内容试读结束，登录后可阅读更多

下载后可阅读完整内容，剩余4页未读，立即下载

评论收藏

内容反馈

weixin_38550812

粉丝: 3
资源: 894

基于改进谱聚类的图像分割算法 (2014年)

最新资源

基于改进谱聚类的图像分割算法 (2014年)

基于图聚类的脱机手写文档图像文本行分割 (2014年)

基于空间模糊聚类的图像分割优化算法 (2014年)

峰值检测FCM算法的医学图像分割 (2014年)

CFSFDP_密度聚类_密度峰值_matlab_CFSFDP

彩色图像的球形粒计算分割算法 (2014年)

作业二_图片聚类提取_图像处理python_

science2014.zip

基于HSV颜色特征的K均值改进的遥感图像分类独联体2014.2014,11。

基于各向异性滤波和空间FCM的MRI图像分割方法 (2014年)

高效聚类补充材料

显著区域检测算法综述.pptx

蚁群算法在二维Otsu图像分割中的应用 (2014年)

Normalized Cuts Matlab实现

clustering by fast search and find of density peaks

SLIC_超像素分割

Spectrum-clustering-demo：我在2014年为NU机器学习会议上制作的MATLAB演示有趣地回顾了光谱聚类

关于人工智能的计算机算法探讨.docx

peac:使用聚集层次聚类（AHC）进行快速平面提取

大场景下的极化SAR 机场检测 (2014年)

DensityPeaksIR-master_轨迹跟踪_小目标跟踪_跟踪_小目标检测_红外图像_源码.zip

DensityPeakCluster-master_clusting_

saliency optimization from robust background detection论文代码

最新资源