資源描述：
《基于免疫克隆選擇優(yōu)化和譜聚類的復(fù)雜圖像分割》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、ComplexImageSegmentationBasedonImmuneClonalSelectionOptimizationandSpectralClusteringAdissertationsubmittedtoXIDIANUNIVERSITYinpartialfulfillmentoftherequirementsforthedegreeofDoctorofPhilosophyByDengxiaozheng(ElectronicScienceandTechnology)Supervisor:Prof.JiaolichengSeptembe
2、r2014西安電子科技大學(xué)學(xué)位論文獨(dú)創(chuàng)性（或創(chuàng)新性）聲明秉承學(xué)校嚴(yán)謹(jǐn)?shù)膶W(xué)風(fēng)和優(yōu)良的科學(xué)道德，本人聲明所呈交的論文是我個(gè)人在導(dǎo)師指導(dǎo)下進(jìn)行的研究工作及取得的研究成果。盡我所知，除了文中特別加以標(biāo)注和致謝中所羅列的內(nèi)容以外，論文中不包含其他人已經(jīng)發(fā)表或撰寫過(guò)的研究成果；也不包含為獲得西安電子科技大學(xué)或其它教育機(jī)構(gòu)的學(xué)位或證書而使用過(guò)的材料。與我一同工作的同志對(duì)本研究所做的任何貢獻(xiàn)均已在論文中做了明確的說(shuō)明并表示了謝意。學(xué)位論文若有不實(shí)之處，本人承擔(dān)一切法律責(zé)任。本人簽名：日期：西安電子科技大學(xué)關(guān)于論文使用授權(quán)的說(shuō)明本人完全了解西安電子科技大學(xué)有關(guān)保留
3、和使用學(xué)位論文的規(guī)定，即：研究生在校攻讀學(xué)位期間論文工作的知識(shí)產(chǎn)權(quán)單位屬于西安電子科技大學(xué)。學(xué)校有權(quán)保留送交論文的復(fù)印件，允許查閱、借閱論文；學(xué)校可以公布論文的全部或部分內(nèi)容，允許采用影印、縮印或其它復(fù)制手段保存論文。同時(shí)本人保證，獲得學(xué)位后結(jié)合學(xué)位論文研究成果撰寫的文章，署名單位為西安電子科技大學(xué)。保密的學(xué)位論文在年解密后適用本授權(quán)書。本人簽名：導(dǎo)師簽名：日期：日期：摘要摘要近年來(lái)，數(shù)字圖像處理已成為信息科學(xué)、計(jì)算機(jī)科學(xué)、生物醫(yī)學(xué)、軍事學(xué)甚至社會(huì)科學(xué)等領(lǐng)域中各學(xué)科競(jìng)相學(xué)習(xí)和研究的對(duì)象。圖像分割則是數(shù)字圖像處理和計(jì)算機(jī)視覺(jué)領(lǐng)域的關(guān)鍵技術(shù)和經(jīng)典難題
4、，其質(zhì)量決定了更高層的圖像分析和理解的效果。圖像分割問(wèn)題可以建模為不同的數(shù)學(xué)模型，借由不同的優(yōu)化方法求解。免疫克隆選擇優(yōu)化是最近人工智能研究者研究的新熱點(diǎn)和新領(lǐng)域，其借鑒了生物免疫系統(tǒng)內(nèi)部蘊(yùn)含豐富的信息處理機(jī)理和功能，所以可以提供新穎的解決圖像分割問(wèn)題的方法和途徑。另外，譜聚類算法目前在模式識(shí)別領(lǐng)域得到了重視，與傳統(tǒng)的聚類算法相比，可以應(yīng)用于非凸且交疊嚴(yán)重的數(shù)據(jù)集上，而且不會(huì)陷入局部最優(yōu)。但是將其應(yīng)用于圖像分割領(lǐng)域仍然存在不少困難。針對(duì)目前圖像分割技術(shù)普遍存在的若干問(wèn)題，提出了多種新穎有效的算法和實(shí)現(xiàn)策略。本論文的主要工作概括如下：1.很多基于聚
5、類的圖像分割算法面對(duì)大尺寸圖像以及其特征空間內(nèi)含有大量的噪聲和異常點(diǎn)時(shí)，往往會(huì)影響分割的效率和質(zhì)量。于是，根據(jù)免疫克隆選擇理論，提出了一個(gè)混合免疫克隆k-medoids聚類算法，并將其應(yīng)用于圖像分割中。該算法有以下幾個(gè)特點(diǎn)：首先，使用TurboPixels超像素算法將待分割圖像進(jìn)行過(guò)分割，其目的是降低空間和時(shí)間復(fù)雜度；其次，設(shè)計(jì)了一個(gè)合適的變異策略并結(jié)合一個(gè)新穎的局部啟發(fā)式搜索算子，新算法可以較快較好的得到全局最優(yōu)解；最后，被優(yōu)化求解的對(duì)象是k-medoids聚類問(wèn)題，因?yàn)樗鼘?duì)噪聲和異常點(diǎn)不敏感。在實(shí)驗(yàn)部分，選取多個(gè)人工數(shù)據(jù)集和多幅典型圖像，并對(duì)
6、比經(jīng)典的k-means算法、RARWGA算法以及GCA算法，新算法都顯示出較優(yōu)的性能。2.聚類算法在對(duì)圖像進(jìn)行分割過(guò)程中，通常要面對(duì)如何自動(dòng)確定聚類類別數(shù)、如何克服圖像特征點(diǎn)分布復(fù)雜的流形結(jié)構(gòu)、如何減少算法運(yùn)行的時(shí)間。針對(duì)上述迫切需要解決的問(wèn)題，提出了兩個(gè)流形距離的自動(dòng)免疫克隆聚類圖像分割算法。這兩種算法的優(yōu)點(diǎn)是：第一，可以自動(dòng)確定聚類個(gè)數(shù)，不需要人為事先給定；第二，使用流形距離可以反映空間分布復(fù)雜的流形數(shù)據(jù)；第三，使用SLIC超像素而非像素來(lái)降低圖像的分割時(shí)間。通過(guò)對(duì)多組人工數(shù)據(jù)集和復(fù)雜自然圖像進(jìn)行測(cè)試，并對(duì)比著名的k-means算法和GCUK
7、算法，結(jié)果表明這兩種流形距離的自動(dòng)免疫克隆聚類圖像分割算法優(yōu)勢(shì)比較明顯，具有一定的實(shí)用性和先進(jìn)性。3.彩色圖像分割可以看成是對(duì)像素點(diǎn)在顏色特征空間的分類問(wèn)題。所以彩色圖像分割方法有兩大關(guān)鍵技術(shù)需要解決：第一是如何選取合適的顏色特征空間；第二是如何選取合適的像素點(diǎn)分類器。論文中提出了一個(gè)基于克隆選擇和多重空I西安電子科技大學(xué)博士學(xué)位論文間構(gòu)造的彩色圖像分割算法，該方法首先將一些經(jīng)典的顏色分量分為亮度成分、單頻光譜成分、雙頻光譜成分、多頻光譜成分，利用主分量分析(PCA)技術(shù)分別對(duì)這四組分量進(jìn)行計(jì)算，得到最具有識(shí)別能力的顏色分量來(lái)構(gòu)造多重顏色空間；然
8、后，對(duì)待分割彩色圖像選取訓(xùn)練樣本，使用克隆選擇算法對(duì)每類訓(xùn)練樣本進(jìn)行訓(xùn)練，獲得全局最佳的聚類中心；最后，使用這些聚類中心對(duì)整幅彩色圖像進(jìn)
