基于約束的半監(jiān)督聚類的圖像分割算法研究.pdf

1、圖像分割是圖像分析和模式識別的重要問題,這在很大程度上決定著圖像判別分析的結(jié)果,因此,為了更好的分析圖像,圖像分割也就顯得愈來愈重要。而近年來出現(xiàn)的半監(jiān)督學(xué)習(xí),能夠充分挖掘和利用圖像的先驗(yàn)信息來使圖像的分割結(jié)果更加高效、準(zhǔn)確,因而已經(jīng)成為機(jī)器學(xué)習(xí)的一個(gè)研究熱點(diǎn)。半監(jiān)督學(xué)習(xí)就是同時(shí)利用標(biāo)記樣本和無標(biāo)記樣本來指導(dǎo)學(xué)習(xí)過程,從而獲得更好的學(xué)習(xí)性能。其中的半監(jiān)督學(xué)習(xí)大致可以分為兩類,即半監(jiān)督分類和半監(jiān)督聚類。半監(jiān)督聚類就是利用少量的標(biāo)記樣本對無

2、標(biāo)記樣本的聚類過程進(jìn)行指導(dǎo)。本論文以圖像分割為應(yīng)用背景,對半監(jiān)督聚類算法進(jìn)行了研究。本論文的創(chuàng)新性工作總結(jié)如下:
　　(1)提出了一種基于約束對的半監(jiān)督核K均值聚類的圖像分割算法,該算法首先利用隨機(jī)產(chǎn)生的Must-link約束對來初始化中心,從而避免了算法陷入局部最優(yōu)的缺點(diǎn),進(jìn)一步結(jié)合核K均值聚類的思想,使得那些在低維空間中線性不可分的樣本在高維空間中變得線性可分,因而使該算法能對圖像進(jìn)行快速準(zhǔn)確的分割。實(shí)驗(yàn)結(jié)果表明,該分割方法相

3、比COP-Kmeans算法和ConstraintSelector算法能獲得較好的分割結(jié)果,同時(shí)視覺效果也得到了一定程度的改善。
　　(2)提出了一種基于種子集的半監(jiān)督權(quán)重核模糊C均值聚類的圖像分割算法,該算法基于半監(jiān)督核模糊C均值聚類算法的思想,在初始化步驟中,利用樣本間的方差來初始化核參數(shù),避免了手動調(diào)整的不合適核參數(shù)對算法聚類性能的影響,同時(shí)采用了點(diǎn)密度權(quán)重的思想,使得那些團(tuán)狀、每類樣本數(shù)相差較大的數(shù)據(jù)集能得到正確的劃分,從而

4、獲得準(zhǔn)確的圖像分割結(jié)果。最后,在人工合成紋理圖像和模擬SAR圖像分割實(shí)驗(yàn)中,都驗(yàn)證了該算法要優(yōu)于三個(gè)對比算法。
　　(3)提出了一種基于種子集的半監(jiān)督改進(jìn)模糊局部信息C均值聚類的圖像分割算法,該算法基于改進(jìn)的模糊局部信息C均值聚類算法的框架,引入了半監(jiān)督聚類的思想,利用標(biāo)記樣本來初始化聚類中心,同時(shí)使用硬化分的方法來初始化標(biāo)記樣本的隸屬度矩陣,避免了原始算法隨機(jī)初始化聚類中心易使算法陷入局部最優(yōu)的缺點(diǎn),從而使得聚類時(shí)間大大減少,算