基于拟Laplace谱的形状表示与聚类.pdfVIP

Vo1．37NO．6 华 东 理 工 大 学 学 报 (自然 科 学 版) JournalofEastChinaUnixrersityofScienceandTechnology (NaturalScienceEdition) 749 2O11—12 文章编号 2011)06—0749—05 基于拟 Laplace谱的形状表示与聚类 唐 俊 梁 亮， 梁 栋， 朱 明 (安徽大学计算智能与信号处理教 育部重点实验 室，合肥 230039) 摘要 ：基于谱 图理论的形状表示与聚类是计算机视觉和模式识男一I领域的重要研究方向。针对 不同形状的结构特征 ，通过对形状骨架点所构完全图的拟 Laplace矩 阵进行奇异值分解，将得到的 高维数据投影至低维空间中，进而分析该数据在低雏空间中的分布情况实现聚类。针对公共数据 集的对比实验验证 了该算法的有效性。 关键词 ：聚类；形状表示；图；拟 Laplace谱 中图分类号 ：TP391 文献标志码 ：A ShapeRepresentati0nandC,lusteringBasedonQuasi—LaplaceSpectrum TANGJun， LIANGLiang， LIANGDong， ZHUM ing (KeyLaboratoryofIntelligentComputingandSignalProcessing，MinistryofEducation， AnhuiUniversity，Hefei230039，China) Abstract：Shaperepresentationandclusteringbasedonspectralgraphtheoryisahottopicinthefield ofcomputervisionandpatternrecognition．Aimingatthestructurefeaturesofdifferentshapes，thehigh— dimensionaldataareobtainedbymeansofsingularvaluedecompositiononquasi—Laplacematricesofthe skeletonofshapes．Furthermore，theshapesareclusteredbyanalyzingthedistributionoftheprojectionin alow—dimensionalspace．Thecomparativeexperimentsonthepublicdata—setdemonstratetheeffectiveness oftheproposedapproach． Keywords：clustering；shaperepresentation；graph；quasi—Laplacespectrum 形状聚类是指根据一定的规则将若干形状分成 MFD(Multiscalefractaldimension)、形 状 上下文 有意义的不同组别或更多的子集 ，在 同一组别或子 (Shapecontext)_l2]、基于复杂 网络 (Complexnet— 集内的形状彼此问有相似的属性，它是模式识别、计 work)方法_3等 。在基于轮廓 的算法 中，最著名的 算机视觉 以及生物信息等领域一项重要的基础性课 是形状上下文，通过在对数极坐标空问上计算每个 题。对于形状 的聚类 ，如何有效、简洁地对形状特征 轮廓点周围相关点的分布直方 图表示形状 的特征， 进行表示是关键 。描述形状特征的方法大致分为两 该方法具有尺度不变性和平移不变性 的特点 E45]， 类 ]：(1)基于 区域 的方法 ，主要包括几何矩 (Geo— 并在许多场合得到了应用 ]。在文献[3]中，Bakes metricmoment)、代数距 (Alg