圖像譜方法分割的研究及應用.pdf

1、圖像分割是模式識別和圖像處理的重要組成部分，針對具體的圖像有不同的分割方法，其中基于圖論的圖像譜方法分割是近年來國際上圖像分割領域的一個新的研究熱點。盡管譜聚類算法具有堅實的譜圖理論基礎，并且在實踐中也得到了很好的應用效果，但仍存在許多問題：如何建立節(jié)省空間的快速譜聚類算法，使用什么核函數(shù)構(gòu)造鄰接矩陣，如何自動確定譜聚類的數(shù)目。 本文針對以上問題做了一些具體的研究，首先，從理論上分析了譜分割的Nystrom采樣快速算法，由于可以

2、通過1％的樣本點對總體樣本做出比較準確的估計，所以與傳統(tǒng)經(jīng)典的譜方法分割相比，大大的降低了空間和時間復雜度，并且通過具體實驗與傳統(tǒng)譜方法比較，總結(jié)了Nvstrom采樣的譜分割的優(yōu)點。其次，重點考慮到衡量兩個樣本間相似度的核函數(shù)對整個譜聚類的重要性，首次提出使用了權(quán)重馬氏距離高斯核計算樣本的相似度矩陣。與歐氏距離和普通的馬氏距離相比較，馬氏距離消除了歐氏距離中各個指標量綱不同，各個量綱相關性對計算結(jié)果的影響，然而，在計算兩個特征向量之間的

3、距離的時候，馬氏距離只粗略的認為兩個向量屬于同一個類，同分布，沒有考慮到兩個向量不屬于同一個類時，結(jié)果依賴于類規(guī)模大小的情況，所以，本文提出的加權(quán)馬氏距離高斯核更能貼切的反映兩個樣本之間的相似度，并且通過具體的分割實驗結(jié)果，驗證了這種核函數(shù)的優(yōu)越性。再次，考慮到每次手動的調(diào)整譜聚類的中心數(shù)，對分割結(jié)果有很大的影響，針對具體的實驗，嘗試提出了一種自動的聚類方法，這種方法簡單累加各個向量的指標相似度，達到一定的相似度閾值歸為一類，結(jié)果得出的