利用流形結構的譜聚類與核傳遞進行圖像分割.pdf

1、本文針對機器學習應用于圖像分割領域進行了研究，針對圖像分割方法及相關問題做了三方面的工作，包括：利用流形結構的譜聚類進行圖像分割，利用核傳遞進行圖像分割，利用核傳遞進行交互式的前景提取。
　　 針對譜聚類應用于圖像分割方面，存在的高的計算復雜度，結果不穩(wěn)定，以及巨額的存儲空間等問題，本文提出了基于流形結構的譜聚類的圖像分割方法。本文基于一幅圖像可以用很多個流形表示的思想，采用均值漂移方法獲得圖像的流形表示。本方法可以獲得良好的分

2、割結果，同時不僅降低了計算復雜度和存儲空間的需求，而且避免了不穩(wěn)定的分割結果。
　　 核傳遞是一種新的半監(jiān)督核矩陣學習的方法。通過將核傳遞應用于圖像分割，本文提出了基于半監(jiān)督核矩陣學習的自動圖像分割方法。通過全局K均值聚類和自適應譜聚類選擇初始種子點，使得種子點具有全局代表性，根據(jù)種子點集合構造種子核矩陣。采用核傳遞方法，將種子核矩陣具有的信息傳遞到全核矩陣當中，再利用全局K均值聚類全核矩陣，獲得每個像素點的標簽。實驗結果表明，

3、本文的方法優(yōu)于一些經(jīng)典的聚類方法在圖像分割領域。
　　 將核傳遞擴展到交互式的圖像分割，本文提出了基于核傳遞的交互式前景提取。首先利用均值漂移方法對圖像進行預處理獲得超像素，需要用戶在預分割后的圖像上做標注，這些標準表示了前景和背景的位置。本文利用這些標注區(qū)域形成的成對約束信息為核傳遞構造種子核矩陣，然后采用核傳遞將種子核矩陣傳遞到全核矩陣中，獲得用戶感興趣的前景區(qū)域。實驗結果表明，本文提出的方法可以有效保持種子點的統(tǒng)計特性，對