面向圖像分割的譜聚類算法研究

發布時間:2020-12-15 03:50
  隨著大數據時代的到來,數據的多樣性和復雜性已成為常態。數據挖掘技術通過提取海量數據中的有效信息,并對其進行處理和分析,以實現人們預期的目標。聚類分析是數據挖掘技術的一項重要研究分支,而譜聚類是聚類分析的一種有效方法。譜聚類以譜圖劃分作為理論基礎,通過將聚類問題轉化為圖劃分問題,從而實現在任意形狀的樣本空間中進行聚類。譜聚類由于聚類效果表現良好,因而被廣泛用于數據挖掘的各個領域,其中,圖像分割領域成為了譜聚類的重要應用領域之一。圖像分割是圖像數據處理環節中的關鍵步驟,圖像分割性能的優劣將直接影響到圖像認知理解的準確程度。因此,圍繞圖像分割的研究引發了學術界和工業界的普遍關注。彩色圖像的分辨率隨著數字技術的發展得到了提升,由此造成了圖像尺寸的擴大。針對譜聚類算法在圖像分割時運算復雜度大,處理時間長以及分割效果較為粗糙等問題,本文對超像素圖像預處理算法和譜聚類圖像分割算法進行了研究,其主要內容如下:1.針對傳統譜聚類算法在圖像分割時將單一像素點作為處理單元所帶來的運算復雜度較大的問題,本文引入了超像素算法對彩色圖像進行預處理。傳統超像素SLIC算法在處理過程中需要人為設定均衡特征參數,針對這... 

【文章來源】:中國礦業大學江蘇省 211工程院校 教育部直屬院校

【文章頁數】:88 頁

【學位級別】:碩士

【部分圖文】:

面向圖像分割的譜聚類算法研究


圖像工程體系描述Figure1-1Imageengineeringsystemdescription圖1-1描述了圖像分割在圖像數據處理過程中的定位和目標

無向圖,無向圖,有向圖,區域塊


2理論基礎15kmaxkkiisgsCUEsgg(2-12)公式(2-12)中,圖像中全部像素點的數量為N,s為算法分割之后形成的超像素區域,ks描述超像素集的第k個區域塊,ig定義為人工分割真值g中的第i個區域塊,maxkgs為真值圖像區域塊與實驗所得區域塊的最大重合面積。(3)面積方差和圓形度面積方差和圓形度是常用的衡量圖像分割緊密程度的重要標準,面積方差描述了區塊之間的面積大小的不同,而圓形度則體現了分割生成的區域塊的形態與圓形的接近程度,圓形度越趨近于1,則代表區域塊越接近圓形。(4)分割準確度分割準確率即為最優分割準確度,具體描述為經過分割之后形成的區域塊中被正確標記的像素點的數目與圖像中全部像素點的數目之間所形成的比例,分割的準確度越高,越能體現出分割算法的處理精度的優勢,其公式描述如下:maxikikiisgASAsgg(2-13)2.3譜聚類算法(SpectralClusteringAlgorithm)2.3.1譜圖劃分譜聚類的理論體系發源較早,具有很長的發展歷史,在眾多形形色色的理論分支中,以譜圖理論作為基礎知識框架的最多。下面介紹譜圖的幾個基本概念:(1)圖的概念圖按照概念的相異,可以將其分為兩類,分別為無向圖和有向圖[83]。有向圖指的是圖的頂點中,連接頂點之間的邊是有明確方向的,相應的,無向圖的定義為圖像中連接頂點的邊是沒有方向的。在有向圖中相同兩個頂點不同方向的權值是不一樣的,即ijjiee,而在無向圖中,則有=ijjiee,無向圖和有向圖的概念圖如圖2-1所示。(a)無向圖(b)有向圖圖2-1無向圖和有向圖(a)無向圖(b)有向圖Figure2-1Undirectedanddirectedgraphs(a)Directedgraphs(b)Undirectedgraphs

算法,特征參數


碩士學位論文28(a)(b)圖3-2SLIC算法分割結果(a)原始圖像(b)SLIC分割圖像Figure3-2SLICalgorithmsegmentationresults(a)Originalimage(b)SLICsegmentationimage圖3-2中的四幅圖像是經SLIC超像素算法分割的效果圖。從展示圖中可以看出,經SLIC超像素算法分割之后的圖像與目標輪廓之間緊密型較高,超像素區域形狀較為規則、各自獨立并且沒有出現重合現象。3.3自適應均衡特征參數的SLIC算法(SLICAlgorithmwithAdaptiveEqualizationParameters)一般情況下,傳統的SLIC超像素圖像預處理算法,在對原始圖像進行預處理時,會通過相應的迭代操作確定最終的聚類中心和對應的若干數量可控的超像素區域,而不同區域塊之間緊密聯系的程度則需要通過手動設置,不同參數對應的分割效果也不盡相同,鑒于這種情形,操作者往往需要耗費大量的時間用來調試均衡特征參數的數值,以達到令人滿意的分割效果。除此之外,不同參數下圖像的處理時間也并不相同。因此,為了簡化處理流程以及改善圖像分割的效果,在算法進行操作時,我們往往會采用一個固定的均衡特征參數來進行相應的計算。然而在現實生活中,不同應用場景下原始圖像中顏色信息的分布或顏色間差異往往各不相同,在這種情況下,如果我們選擇采用某個固定的權值來均衡不同圖像的空間距離特征以及顏色信息特征,那么勢必會造成分割效果的不理想。為了解決傳統SLIC算法對于均衡特征參數獲取的缺陷,本文提出了一種結合中介數學思想的自適應均衡特征參數的SLIC算法(AdaptiveSLIC,ASLIC),該算法根據具體目標圖像的尺寸和特征信息,能夠根據圖像的具體信息自適應的生成較好的均衡特征參數,以達到靈活運算以及提高分割效果的目的。3.3.1均衡特征參數選取方法由于SLIC算法中用于平衡坐標空間特征和顏色特征?


本文編號:2917600

論文下載
論文發表

本文鏈接:http://www.178750.tw/shoufeilunwen/xixikjs/2917600.html

分享
(★^O^★)MG无敌金刚_电子游戏 bodog博狗在线娱乐城百家乐 福彩3d论坛彩票论坛专区 悠洋斗地主下载 qq麻将安卓版 nba掘金vs黄蜂视频直播 吉林十一选五技巧高招 天津快乐10分开奖视频 未来云南麻将保山麻将 nba掘金vs火箭1.20 极速时时彩早上几点开 快乐双彩开奖结果双今天 腾讯三分彩开奖号码 波克城市波克棋牌 卡五星麻将免费下 865棋牌 棋牌游戏大厅 手机棋牌游戏哪个靠谱