資源描述：
《學(xué)位論文-—譜聚類(lèi)算法.docx》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。
1、沈陽(yáng)理工大學(xué)學(xué)士學(xué)位論文摘要譜聚類(lèi)作為一類(lèi)新興的、有效的聚類(lèi)方法得到廣泛的關(guān)注，并已成功的應(yīng)用于圖像分割。本文研究基于譜聚類(lèi)的圖像分割技術(shù)，并成功的應(yīng)用到圖像分割中。本文主要工作如下:譜聚類(lèi)算法是利用圖像的相似性矩陣進(jìn)行圖像分割，如何構(gòu)造一個(gè)對(duì)圖像信息表達(dá)更充分的相似性矩陣，對(duì)算法性能有很大影響。本文應(yīng)用Nystrom譜聚類(lèi)算法進(jìn)行圖像分割技術(shù)的研究，而且還具有良好的方向分析能力，它能反映出圖像在不同分辨率上沿多個(gè)方向的變化，能更好地描述圖像的幾何結(jié)構(gòu)。該方法為的是在聚類(lèi)的時(shí)候取得較好且穩(wěn)定的性能，然而KHM僅在對(duì)低維數(shù)樣本聚類(lèi)時(shí)較KM算法要好。為了緩解譜聚類(lèi)對(duì)初
2、始化敏感的問(wèn)題，本文采用了基于優(yōu)化策略的K均值算法，實(shí)現(xiàn)了基于Nystrom譜聚類(lèi)的圖像分割方法。通過(guò)在Nystrom譜聚類(lèi)算法仿真實(shí)驗(yàn)表明:本文的方法無(wú)論在細(xì)紋理、粗紋理、非均勻紋理和混合紋理上，其視覺(jué)效果和評(píng)價(jià)指標(biāo)上都要優(yōu)于的方法。關(guān)鍵詞:圖像分割;譜聚類(lèi)；Nystrom譜聚類(lèi)算法；K-Means聚類(lèi)算法IV沈陽(yáng)理工大學(xué)學(xué)士學(xué)位論文沈陽(yáng)理工大學(xué)學(xué)士學(xué)位論文AbstractSpectralclusteringasaclassofnewandeffectiveclusteringmethodhasbeenwidelyconcernedandsuccessfully
3、appliedinimagesegmentation.Theimagesegmentationalgorithm,basedoninitialization-independentmulti-parameterkernelspectralclusteringwhichwasraisedbyMaXiuli,hasbeenresearched,improvedandsuccessfullyappliedintextureimageandSARimagesegmentationinthisdissertation.Themainachievementofthisdiss
4、ertationcanbesummarizedasfollows:Spectralclusteringusestheimagesimilaritymatrixinimagesegmentation.Howtoconstructasimilaritymatrixwhichexpressesmoreinformationofimagehasagreatinfluenceonalgorithmperformance.Itcanreflectthatimagechangesondifferentresolutionsalongseveraldirections,andde
5、scribethegeometryofimagebetter.K-meansbasedonoptimizationstrategyhasbeenadopttorealizetheimagesegmentationbasedoncomplexwaveletfeatureandspectralclustering.AlargenumberofsimulationexperimentsinBrodatzlibraryshowthat:Intermsoffinetexture,roughtexture,non-uniformtextureandblendingtextur
6、es,ourmethodisbetterthanthemethodaccordingtothevisualeffectsandevaluationindicators.Keyword:ImageSegmentation；SpectralClusteringDual-TreeComplex；KmeansSpectralClusteringIV沈陽(yáng)理工大學(xué)學(xué)士學(xué)位論文沈陽(yáng)理工大學(xué)學(xué)士學(xué)位論文目錄1緒論11.1數(shù)字圖象處理技術(shù)11.1.1簡(jiǎn)介11.1.2圖像處理的主要目的11.1.3常用方法11.2圖像分割技術(shù)11.3MATLAB編程軟件的介紹21.3.1簡(jiǎn)介21.4譜
7、聚類(lèi)的簡(jiǎn)述21.4.1簡(jiǎn)介21.4.2圖劃分準(zhǔn)則21.5課題研究的目的及本文的主要內(nèi)容32圖像分割技術(shù)與邊緣檢測(cè)42.1圖像分割定義和方法分類(lèi)42.1.1圖像分割的定義42.1.2圖像分割算法52.1.3灰度閾值分割52.1.4閾值法62.2邊緣檢測(cè)算子62.2.1基于邊緣檢測(cè)的分割62.2.2普通梯度算子72.3區(qū)域生長(zhǎng)82.3.1區(qū)域生長(zhǎng)的主要步驟92.4本章小結(jié)93譜聚類(lèi)算法分析與研究103.1基本理論103.1.1圖和矩陣的表示103.1.2譜圖理論13IV沈陽(yáng)理工大學(xué)學(xué)士學(xué)位論文沈陽(yáng)理工大學(xué)學(xué)士學(xué)位論文3.1.3圖劃分準(zhǔn)則133.1.4相似度矩陣、拉普拉
8、斯矩陣15
