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
1
，周积林
2
GUAN Xin
1
, ZHOU Jilin
2
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
资源评论
weixin_38550812
- 粉丝: 3
- 资源: 893
最新资源
- java项目，毕业设计-家具商城系统
- sparse-occ-cpu.onnx
- c2532703d1b4e83f570f28ff6cf94aef_语法.pdf
- C# 将不限数量的Excel表格进行合并，支持多文件多表合并.zip
- java项目，毕业设计-体育场馆运营
- 阿里云联合中国信通院安全所发布-大模型安全研究报告2024
- 低空经济政策与产业生态研究报告（2024年）
- 基于微信小程序的手机商城的设计与实现ssm.zip
- 基于springboot汽车维修管理系统微信小程序springboot.zip
- 非常好用 的一款，网卡流量监控工具，可长时间 监控，有图标展示流量趋势，要记录一段时间 内的平均 流量，可单独记录每个网卡的流量， 绿色好用， 无功能 限制
- 基于微信小程序的医院挂号预约系统ssm.zip
- 基于机器学习的商品评论分析系统源代码+文档说明+GUI界面（高分项目）
- 基于微信小程序的校园二手交易平台ssm.zip
- 基于微信小程序的校园综合服务平台ssm.zip
- 基于微信小程序高校订餐系统的设计与开发ssm.zip
- 线性回归实现股票预测源代码
资源上传下载、课程学习等过程中有任何疑问或建议，欢迎提出宝贵意见哦~我们会及时处理！
点击此处反馈
