基于谱聚类的图像分割方法改进研究

《基于谱聚类的图像分割方法改进研究》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、101672013090008论文题目：基于谱聚类的图像分割方法改进研究ResearchonImprovedImageSegmentationMethodBasedonSpectralClustering作者姓名：李扬指导教师：陆璐副教授专业名称：软件工程研究方向：图像处理学院年级：信息科学与技术学院2013级完成日期：2016年6月渤海大学研究生学院关于硕±论文使用授权的说明学位论文作者完全了解激海大学有关保留、使用学位论文的规定，即：研究生在校攻读学位期间进行论文工作的知识产权单位属于潮海大学。潮海大学有权保留并向国家有关。部口或

2、机构送交论文的复印件和磁盘，允许学位论文被查阅和借阅本文作者授权潮海大学可Ｗ公布学位论文的全部或部分内容，可将学位论文的全部或部分内容编入有关数据库并进行检索，可Ｗ采用影印、缩印、扫描或其它复制手段保存、汇编学位论文（保密的学位论文在解密后遵守此规定）。保密□，在年解密后适用本授权书。本论文属于＂不保密材，适用本授权书。□＂＂（请在内打Ｖ）论文作者签名：；違扬指导教师签名ｆ弟Ｍ曰期：之〇名年＾月ｙ曰曰期：义年公月＾曰／原创性声明本人郑重承诺：所呈交的硕±学位论文是本人在导师指导下进行的研究工作和

3、。取得的研究成果尽我所知，除了文中已经注明引用的内容外，本论文不包含其他个人或集体已经发表或撰写过的研究成果。对本文的研究做出重要贡献的个人和集体，均已在文中抖明确方式标明。本人完全意识到本声明的法律结果由本人承担。论文作者签名：重请曰期：之〇年＾月曰／／＾基于谱聚类的图像分割方法改进研究[摘要]图像分割是图像处理到图像分析的关键步骤，近年来受到越来越多的关注。谱聚类方法因其不受样本空间形状的限制，能够在任意样本空间上聚类，成为近年来比较流行的图像分割方法。在谱聚类图像分割算法中，相似度矩阵的构造是算法的关键，相似度矩阵

4、的好坏直接影响着算法的分割结果，然而，谱聚类算法在相似度矩阵构造时涉及的参数定义不当导致分割结果不准确和海量数据运算导致分割效率低等问题还有待进一步解决，因此，对于谱聚类算法中相似度矩阵的研究还有很多空间。本文研究基于谱聚类的图像分割算法主要从谱聚类算法中的相似度矩阵方面进行研究，具体内容如下：(1)谱聚类图像分割中相似度矩阵构造研究通常传统的谱聚类算法分割彩色图像时，仅采用一种颜色空间和距离计算公式构造相似度矩阵，而忽略了不同的颜色空间和距离计算公式构造的相似度矩阵对分割结果的影响，导致谱聚类算法有诸多的局限性。针对这个问题，分别采用RGB和H

5、SV颜色空间，以及分别在两种颜色空间下使用欧式距离、余弦距离和卡方距离公式，建立不同的相似度矩阵。分析比较不同构造方法的分割效果，得出了最优分割效果的相似度矩阵构造方法，提高了应用谱聚类算法分割彩色图像的有效性。通过性能评价指标查准率和查全率以及分割结果的准确率，验证了实验的可靠性和准确性。(2)谱聚类图像分割中相似度矩阵改进研究传统谱聚类图像分割算法一般采用基于欧氏距离的高斯核函数来度量样本数据点之间的相似性，这只考虑到了局部一致性，且高斯核函数中的尺度因子需要人工依据经验精确设置，其准确性无法保证。针对这些缺陷，本文提出一种加权修正余弦距离方

6、法构造相似度矩阵，从而避免了传统谱聚类算法设置尺度因子的过程，并消除了传统余弦距离仅考虑向量维度方向上相似的局限性。同时在谱分解过程中采用Nyström逼近方法近似估计相似度矩阵的特征值和特征向量，从而降低了求解相似度矩阵时的运算复杂度。通过实验，对Berkeley图像库中的图像进行分割处理，并将分割结果与传统谱聚类算法和传统余弦距离构造相似度矩阵的算法进行对比。结果表明，本文算法的图像分割效果更好，准确性更高。[关键词]图像分割；谱聚类；相似度矩阵；颜色空间；余弦距离IRESEARCHONIMPROVEDIMAGESEGMENTATIONMET

7、HODBASEDONSPECTRALCLUSTERINGABSTRACTInrecentyears,theimagesegmentationmethodhasbeenpaidmoreandmoreattention,becausetheimagesegmentationprocessisthekeystepbetweenimageprocessingandimageanalysis.Spectralclusteringmethodisapopularimagesegmentationmethodinrecentyears.Becauseitisn

8、otrestrictedbytheshapeofthesamplespace,andcanbeclusteredinanysamples