基于譜聚類的圖像分割方法改進(jìn)研究

《基于譜聚類的圖像分割方法改進(jìn)研究》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。

1、101672013090008論文題目：基于譜聚類的圖像分割方法改進(jìn)研究ResearchonImprovedImageSegmentationMethodBasedonSpectralClustering作者姓名：李揚指導(dǎo)教師：陸璐副教授專業(yè)名稱：軟件工程研究方向：圖像處理學(xué)院年級：信息科學(xué)與技術(shù)學(xué)院2013級完成日期：2016年6月渤海大學(xué)研究生學(xué)院關(guān)于碩±論文使用授權(quán)的說明學(xué)位論文作者完全了解激海大學(xué)有關(guān)保留、使用學(xué)位論文的規(guī)定，即：研究生在校攻讀學(xué)位期間進(jìn)行論文工作的知識產(chǎn)權(quán)單位屬于潮海大學(xué)。潮海大學(xué)有權(quán)保留并向國家有關(guān)。部口或

2、機(jī)構(gòu)送交論文的復(fù)印件和磁盤，允許學(xué)位論文被查閱和借閱本文作者授權(quán)潮海大學(xué)可Ｗ公布學(xué)位論文的全部或部分內(nèi)容，可將學(xué)位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫并進(jìn)行檢索，可Ｗ采用影印、縮印、掃描或其它復(fù)制手段保存、匯編學(xué)位論文（保密的學(xué)位論文在解密后遵守此規(guī)定）。保密□，在年解密后適用本授權(quán)書。本論文屬于＂不保密材，適用本授權(quán)書。□＂＂（請在內(nèi)打Ｖ）論文作者簽名：；違揚指導(dǎo)教師簽名ｆ弟Ｍ曰期：之〇名年＾月ｙ曰曰期：義年公月＾曰／原創(chuàng)性聲明本人鄭重承諾：所呈交的碩±學(xué)位論文是本人在導(dǎo)師指導(dǎo)下進(jìn)行的研究工作和

3、。取得的研究成果盡我所知，除了文中已經(jīng)注明引用的內(nèi)容外，本論文不包含其他個人或集體已經(jīng)發(fā)表或撰寫過的研究成果。對本文的研究做出重要貢獻(xiàn)的個人和集體，均已在文中抖明確方式標(biāo)明。本人完全意識到本聲明的法律結(jié)果由本人承擔(dān)。論文作者簽名：重請曰期：之〇年＾月曰／／＾基于譜聚類的圖像分割方法改進(jìn)研究[摘要]圖像分割是圖像處理到圖像分析的關(guān)鍵步驟，近年來受到越來越多的關(guān)注。譜聚類方法因其不受樣本空間形狀的限制，能夠在任意樣本空間上聚類，成為近年來比較流行的圖像分割方法。在譜聚類圖像分割算法中，相似度矩陣的構(gòu)造是算法的關(guān)鍵，相似度矩陣

4、的好壞直接影響著算法的分割結(jié)果，然而，譜聚類算法在相似度矩陣構(gòu)造時涉及的參數(shù)定義不當(dāng)導(dǎo)致分割結(jié)果不準(zhǔn)確和海量數(shù)據(jù)運算導(dǎo)致分割效率低等問題還有待進(jìn)一步解決，因此，對于譜聚類算法中相似度矩陣的研究還有很多空間。本文研究基于譜聚類的圖像分割算法主要從譜聚類算法中的相似度矩陣方面進(jìn)行研究，具體內(nèi)容如下：(1)譜聚類圖像分割中相似度矩陣構(gòu)造研究通常傳統(tǒng)的譜聚類算法分割彩色圖像時，僅采用一種顏色空間和距離計算公式構(gòu)造相似度矩陣，而忽略了不同的顏色空間和距離計算公式構(gòu)造的相似度矩陣對分割結(jié)果的影響，導(dǎo)致譜聚類算法有諸多的局限性。針對這個問題，分別采用RGB和H

5、SV顏色空間，以及分別在兩種顏色空間下使用歐式距離、余弦距離和卡方距離公式，建立不同的相似度矩陣。分析比較不同構(gòu)造方法的分割效果，得出了最優(yōu)分割效果的相似度矩陣構(gòu)造方法，提高了應(yīng)用譜聚類算法分割彩色圖像的有效性。通過性能評價指標(biāo)查準(zhǔn)率和查全率以及分割結(jié)果的準(zhǔn)確率，驗證了實驗的可靠性和準(zhǔn)確性。(2)譜聚類圖像分割中相似度矩陣改進(jìn)研究傳統(tǒng)譜聚類圖像分割算法一般采用基于歐氏距離的高斯核函數(shù)來度量樣本數(shù)據(jù)點之間的相似性，這只考慮到了局部一致性，且高斯核函數(shù)中的尺度因子需要人工依據(jù)經(jīng)驗精確設(shè)置，其準(zhǔn)確性無法保證。針對這些缺陷，本文提出一種加權(quán)修正余弦距離方

6、法構(gòu)造相似度矩陣，從而避免了傳統(tǒng)譜聚類算法設(shè)置尺度因子的過程，并消除了傳統(tǒng)余弦距離僅考慮向量維度方向上相似的局限性。同時在譜分解過程中采用Nystr?m逼近方法近似估計相似度矩陣的特征值和特征向量，從而降低了求解相似度矩陣時的運算復(fù)雜度。通過實驗，對Berkeley圖像庫中的圖像進(jìn)行分割處理，并將分割結(jié)果與傳統(tǒng)譜聚類算法和傳統(tǒng)余弦距離構(gòu)造相似度矩陣的算法進(jìn)行對比。結(jié)果表明，本文算法的圖像分割效果更好，準(zhǔn)確性更高。[關(guān)鍵詞]圖像分割；譜聚類；相似度矩陣；顏色空間；余弦距離IRESEARCHONIMPROVEDIMAGESEGMENTATIONMET

7、HODBASEDONSPECTRALCLUSTERINGABSTRACTInrecentyears,theimagesegmentationmethodhasbeenpaidmoreandmoreattention,becausetheimagesegmentationprocessisthekeystepbetweenimageprocessingandimageanalysis.Spectralclusteringmethodisapopularimagesegmentationmethodinrecentyears.Becauseitisn

8、otrestrictedbytheshapeofthesamplespace,andcanbeclusteredinanysamples