基于超像素與低秩表示的圖像分割.pdf

1、當(dāng)今海洋資源利用開發(fā)活動日益增多，聲納圖像具有高辨識能力，其對探索海洋世界具有重要意義。而圖像分割是由圖像處理進(jìn)入到圖像分析的關(guān)鍵步驟，是后期目標(biāo)識別的重要前提。為此本文主要研究了一種新穎的灰度圖像分割方法---基于超像素與低秩表示方法的聲納圖像分割。本文主要進(jìn)行了以下四個方面的研究：
　　第一、對聲納圖像進(jìn)行超像素級的圖像分割研究，通過研究在眾多超像素分割算法中選取了兩種適合于灰度圖像的分割算法。結(jié)合水聲圖像的特點比較選擇出了t

2、urbopixels方法。
　　第二、進(jìn)行特征比較分析研究。在灰度共生矩陣和梯度-灰度共生矩陣兩種特征的多種特征量中分別進(jìn)行差異度比較，選出具有明顯區(qū)分性的特征量并對每個超像素進(jìn)行特征提取，進(jìn)而生成特征矩陣。
　　第三、結(jié)合特征矩陣進(jìn)行低秩最小化數(shù)學(xué)模型研究，其中低秩表示可魯棒噪聲、提高相似性度量。再通過不精確增廣拉格朗日乘數(shù)法（EALM）對條件極值式進(jìn)行求解，可得到最優(yōu)相似矩陣。
　　最后，應(yīng)用N-CUT聚類方法對最