图像的分割与降维方法研究

《图像的分割与降维方法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、图像的分割与降维方法研究作者姓名王驰学校导师姓名、职称公茂果教授领域电子与通信工程企业导师姓名、职称岳博副研究员申请学位类别工程硕士提交学位论文日期2014年11月学校代码10701学号1202121310分类TN82号TP75密级公开西安电子科技大学硕士学位论文图像的分割与降维方法研究作者姓名：王驰领域：电子与通信工程学位类别：工程硕士学校导师姓名、职称：公茂果教授企业导师姓名、职称：岳博副研究员提交日期：2014年11月AResearchonImageSegmentationandDimensionali

2、tyReductionAthesissubmittedtoXIDIANUNIVERSITYinpartialfulfillmentoftherequirementsforthedegreeofMasterinElectronicsandCommunicationEngineeringByWangChiSupervisor:GongMaoguoYueBoNovember2014西安电子科技大学学位论文独创性（或创新性）声明秉承学校严谨的学风和优良的科学道德，本人声明所呈交的论文是我个人在导师指导下进行的研究工作

3、及取得的研究成果。尽我所知，除了文中特别加以标注和致谢中所罗列的内容以外，论文中不包含其他人已经发表或撰写过的研究成果；也不包含为获得西安电子科技大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。学位论文若有不实之处，本人承担一切法律责任。本人签名：日期：西安电子科技大学关于论文使用授权的说明本人完全了解西安电子科技大学有关保留和使用学位论文的规定，即：研究生在校攻读学位期间论文工作的知识产权单位属于西安电子科技大学。学校有权保留送交

4、论文的复印件，允许查阅、借阅论文；学校可以公布论文的全部或部分内容，允许采用影印、缩印或其它复制手段保存论文。同时本人保证，获得学位后结合学位论文研究成果撰写的文章，署名单位为西安电子科技大学。保密的学位论文在年解密后适用本授权书。本人签名：导师签名：日期：日期：摘要摘要本文在结构上主要分为三个部分，第一个部分主要研究基于模糊聚类的图像分割问题。第二个部分研究的是如何将高维的高光谱数据降维到低维空间，便于进一步处理。第三个部分对第二部分提出的算法进行深入的探讨，主要是关于不同数据场景下该算法的距离测度选择问题

5、。下面说明一下各个部分的工作。在第一个部分，提出了一种新的基于马尔可夫随机场和模糊聚类的图像分割算法。提出的基于马尔可夫随机场（MRF）的正则模型，对图像中的噪声进行了很好的抑制。提出的算法采用了一种新的能量函数来同时利用距离和邻域信息。在提出的能量函数中，我们使用了赋权距离来反映邻域像素对中心像素的不同影响。通过这种新的能量函数，提出的算法在噪声污染的图像中能够得到更高的分割精度。实验结果显示在真实和合成图像上，提出的算法都能得到很好的结果。我们的工作同时展示了如何通过设计能量函数来对邻域信息进行更加有效的

6、应用。在第二个部分，研究了如何通过列向量选择的方法对大规模矩阵进行降维。我们选取高光谱图像这样一种特殊的大规模矩阵作为我们的实验数据，提出了一种有效减少数据维数并尽量保留有用信息的降维算法。该算法的独特之处在于采用了列向量选取的方法来对高光谱波段选择问题进行建模。在具体的求解中，依照最大化已经选取列向量所构成单纯形体积最大为原则选择列向量。在对数据的处理过程中，我们采用了曼哈顿距离作为高维数据的相似性度量，得到了比使用欧几里得距离更好的效果。在实验中，用得到的算法对高光谱图像进行降维处理，并对降维过的高光谱图

7、像进行地物分类，得到的精度总体上超过了现有的方法，并独有对噪声的鲁棒性，即无需去掉高光谱图像的原始数据的低信噪比波段。在第三个部分，在上一部分提出的降维方法的基础上，根据高维学习对距离测度的敏感性，我们就列向量选取算法中不同距离测度的选择在不同数据集上的情况分别进行了的分析。我们还分析了列向量选取方法和一类矩阵分解方法：CUR分解的关系。我们对CUR分解的几种算法进行了评估，并与改进距离测度的列向量选取方法进行了对比。实验结果显示，使用不同的距离测度能够反映不同类型高维数据，并且，相对于对比算法，在合理调整距

8、离测度的情况下有更好的降维结果。具体来讲，在数据矩阵比较小或者选择的向量比例比较低时，采用曼哈顿测度的BCS算法有很高的重建精度。但是在数据矩阵所选择的维数较为巨大（几十万维或更多），或者选择的向量比例比较高时，采用较高的测度有助于I西安电子科技大学硕士学位论文算法达到设计的精度。关键词：模糊聚类，FCM，图像分割，高光谱降维，矩阵分解论文类型：应用基础研究类IIABSTRACTABSTRACTIn