基于聚類分析的圖像分割算法研究.pdf

1、聚類分析是數(shù)據(jù)挖掘的重要手段，其應(yīng)用領(lǐng)域廣泛，包括統(tǒng)計(jì)學(xué)、圖像處理、醫(yī)療診斷、信息檢索、生物學(xué)以及機(jī)器學(xué)習(xí)等。聚類算法應(yīng)用于圖像分割時(shí)能夠獲得較好的分割效果而得到廣泛的關(guān)注和應(yīng)用。圖像分割是圖像處理到圖像分析理解的中間步驟，也是計(jì)算機(jī)視覺研究中由低級(jí)視覺到高級(jí)視覺的橋梁。獲取良好的圖像分割效果是后續(xù)圖像分析、理解和識(shí)別順利開展的基礎(chǔ)。然而，隨著現(xiàn)代電子成像設(shè)備的飛速發(fā)展，圖像的像素規(guī)模迅速增長(zhǎng)，圖像的類型也趨于多樣化，圖像本身還存在很多

2、固有的特殊性和不可預(yù)知的復(fù)雜性，圖像分割的速度和質(zhì)量也因?qū)崟r(shí)性要求日益受到人們的關(guān)注，待處理的數(shù)字圖像數(shù)據(jù)集過大時(shí)，圖像分割的質(zhì)量和速度總是相矛盾的，很多聚類分割算法的實(shí)現(xiàn)過程往往更加耗時(shí)，缺乏精度或不合實(shí)際，因此如何有效的應(yīng)用聚類算法實(shí)現(xiàn)實(shí)時(shí)自動(dòng)快速高質(zhì)量的圖像分割仍然是極其重要并尚待有效解決的問題。
　　 本文主要針對(duì)圖像分割的上述問題以及一些聚類算法存在的高昂計(jì)算復(fù)雜度和巨大內(nèi)存需求而難以應(yīng)用于大規(guī)模圖像數(shù)據(jù)集的分割處理中

3、的問題展開研究和討論。在此過程中，本文的主要?jiǎng)?chuàng)新體現(xiàn)在以下幾方面：
　　 (1)針對(duì)傳統(tǒng)Ncut譜聚類算法計(jì)算復(fù)雜度高的問題，本文提出基于形態(tài)學(xué)分水嶺和Ncut的圖像分割算法，融合二者的優(yōu)點(diǎn)用于彩色圖像分割，將二次分水嶺運(yùn)算分割后得到的區(qū)域視為圖的節(jié)點(diǎn)，并利用彩色信息以及空間位置信息構(gòu)造新的權(quán)值矩陣，結(jié)合區(qū)域顏色信息和位置信息重新構(gòu)造的權(quán)值矩陣，對(duì)不同的分割圖像無(wú)需手動(dòng)設(shè)置參數(shù)，使權(quán)值矩陣的計(jì)算具有一定的自適應(yīng)性。提出的算法與傳

4、統(tǒng)的Ncut算法相比，圖像分割效果更好，分割效率也大幅度提升。
　　 (2)針對(duì)近鄰傳播聚類算法(affinity propagation，AP)存在運(yùn)算時(shí)間長(zhǎng)、空間復(fù)雜度高而難以應(yīng)用于較大規(guī)模圖像數(shù)據(jù)處理的問題，提出一種改進(jìn)的近鄰傳播聚類的彩色圖像分割算法MSAP，該算法首先用mean shift(MS)算法對(duì)輸入彩色圖像進(jìn)行預(yù)分割，計(jì)算預(yù)分割后得到的區(qū)域內(nèi)像素的均值作為整個(gè)區(qū)域的顏色值，計(jì)算區(qū)域間的顏色差值構(gòu)成AP算法中的相

5、似度矩陣，顯然mean shift算法預(yù)分割后的區(qū)域數(shù)目遠(yuǎn)遠(yuǎn)小于圖像本身的像素點(diǎn)數(shù)目，因此用分割得到的區(qū)域數(shù)目代替圖像像素點(diǎn)數(shù)目，有效地減小了相似度矩陣的規(guī)模，大大地節(jié)省了算法的運(yùn)算時(shí)間。通過大量實(shí)驗(yàn)驗(yàn)證了MSAP算法在處理能力和運(yùn)算速度上明顯優(yōu)于AP算法，并且該算法在彩色圖像分割中取得了較為滿意的分割結(jié)果。
　　 (3)層次聚類算法(hierarchical clustering，HC)能夠考慮全局信息獲取高質(zhì)量的聚類結(jié)果，但

6、其計(jì)算復(fù)雜度高，運(yùn)行時(shí)間較長(zhǎng)，限制了該算法在大規(guī)模圖像分割中的應(yīng)用，因此本文提出一種基于mean shift算法和層次聚類的圖像分割算法MSHC，并將其應(yīng)用于彩色圖像和醫(yī)學(xué)圖像的分割中，取得了較好的分割效果。
　　 (4)為了得到穩(wěn)定、高質(zhì)量的聚類結(jié)果，提出一種新的聚類算法，即根據(jù)數(shù)據(jù)點(diǎn)能量和的大小識(shí)別類代表點(diǎn)和類成員點(diǎn)，通過數(shù)據(jù)點(diǎn)間的競(jìng)爭(zhēng)識(shí)別出最有能力成為類成員的數(shù)據(jù)點(diǎn)，并通過實(shí)驗(yàn)驗(yàn)證了提出算法的有效性。為了將該算法應(yīng)用于大規(guī)