基于譜聚類的圖像分割方法研究

《基于譜聚類的圖像分割方法研究》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。

1、HEBEIUNIVERSITY密級：分類號：學(xué)校代碼：10075學(xué)號：20080900碩士學(xué)位論文基于譜聚類的圖像分割方法研究學(xué)位申請人：宋欣欣指導(dǎo)教師：李凱教授學(xué)位類型：工學(xué)碩士學(xué)科專業(yè)：計(jì)算機(jī)應(yīng)用技術(shù)授予單位：河北大學(xué)答辯日期：二〇一三年五月ClassifiedIndex:CODE:10075U.D.C:NO:20080900ADissertationfortheDegreeofM.EngineeringStudyofImageSegmentationMethod BasedonSpectralClusteringCandidate:SongXinxinSupervi

2、sor:Prof.LiKaiAcademicDegreeAppliedfor:MasterofEngineeringSpecialty:ComputerAppliedTechnologyUniversity:HebeiUniversityDateofOralExamination:May,2013摘要摘要圖像分割是一種將圖像分成互不重疊的區(qū)域并提取出感興趣目標(biāo)的技術(shù)，它是進(jìn)行圖像分析與理解的前提，圖像分割的好壞直接影響到圖像的分析結(jié)果，因此，圖像分割在理論和實(shí)際應(yīng)用中都得到人們的廣泛重視。目前，存在許多不同的圖像分割方法，在實(shí)際應(yīng)用中發(fā)揮了重要的作用，然而，這些不同的分割

3、算法只能用于分割特殊圖像，并不存在完善的方法可以按照人們的意愿準(zhǔn)確地分割圖像，因此，研究人員至今一直在努力發(fā)展新的、更有潛力的分割算法，以期實(shí)現(xiàn)更通用、更完美的分割結(jié)果，從而更好地用于圖像分析。針對圖像分割問題，本文利用譜聚類方法對圖像分割進(jìn)行了研究，具體內(nèi)容如下：（1）基于分塊技術(shù)的圖像分割方法研究針對譜聚類方法在處理大數(shù)據(jù)集存在的問題，利用分塊技術(shù)研究了圖像分割問題。首先，將圖像劃分為較小的圖像塊，并將每個(gè)圖像塊視為一個(gè)獨(dú)立的圖像；然后對該獨(dú)立圖像進(jìn)行預(yù)聚類，并將預(yù)聚類的結(jié)果進(jìn)行融合，隨后在融合的結(jié)果中隨機(jī)抽取一個(gè)點(diǎn)以此構(gòu)成圖像的特征數(shù)據(jù)；最后利用譜聚類方法對這些數(shù)據(jù)

4、進(jìn)行聚類，從而獲得原圖像的分割結(jié)果。（2）圖像分割的聚類集成方法研究針對圖像分割方法對參數(shù)選擇過于敏感的問題，利用集成學(xué)習(xí)方法具有的魯棒性和 泛化能力強(qiáng)的特點(diǎn)，對圖像分割方法進(jìn)行了融合研究。通過分析研究譜聚類算法和超邊界融合方法存在的問題，將譜聚類算法中的K-MEANS修改為FCM算法，利用FCM形 成的隸屬度矩陣將超邊界融合方法中的“0”和“1”擴(kuò)展到[0,1]范圍，并對新超邊界進(jìn) 行聚類，以此獲得最終的圖像分割結(jié)果。（3）基于圖像形態(tài)學(xué)的圖像分割優(yōu)化針對譜聚類算法在圖像分割中易出現(xiàn)孤立點(diǎn)或區(qū)域問題，研究了基于圖像形態(tài)學(xué)的 優(yōu)化方法，通過標(biāo)注連通分量優(yōu)化圖像分割結(jié)果，以

5、便去除圖像分割中的孤立點(diǎn)，從而 減少由于度量標(biāo)準(zhǔn)的不同所造成的錯(cuò)分情況。實(shí)驗(yàn)研究了擴(kuò)展超邊界后的聚類集成算法 的聚類正確率和時(shí)間效率，并對圖像進(jìn)行了分割處理，之后將獲得的分割結(jié)果利用圖像I摘要分割優(yōu)化算法進(jìn)行優(yōu)化，同時(shí)將優(yōu)化結(jié)果與Ncut方法進(jìn)行了對比，對提出的方法的有效性和時(shí)間效率進(jìn)行了驗(yàn)證。關(guān)鍵詞譜聚類圖像分割聚類集成圖像優(yōu)化IIAbstractAbstractImagesegmentationisthetechnologythatdividedimageintonon-overlappingareasandextracttheregionofinterest.Iti

6、sthebasisofimageanalysisandunderstanding.Imagesegmentationaffectstheresultsofimageanalysisdirectly.So,ithasbecomeanimportanttechnologyandreceivedextensiveattentionintheoryandpractice.Currently,therearemanydifferentimagesegmentationmethods,buttheycannotaccuratelysegmentimageaccordingtothep

7、eople'sideas.Therefore,scholarshavebeeneffortstodevelopnew,morepotentialsegmentationalgorithminordertoachieveamoregeneral,moreperfectsegmentationresultsforbetterimageanalysis.Inthispaper,weusespectralclusteringmethodtohandletheimagesegmentation.Themaincontentsareasf