基于谱聚类的图像分割算法研究.docVIP

基于谱聚类的图像分割算法研究 071006308 郭晓媛 指导教师：管涛 摘 要：谱聚类能识别出在原空间中线性不可分的聚类，并且其效果优于传统聚类算法，谱聚类要想获得好的效果必须选择一个合适的尺度参数，本文针对自调节谱聚类算法和传统的谱聚类算法的缺陷，实现了一个可以自动的选取尺度参数的自适应谱聚类算法。它用全局N近邻距离作为比例参数s，达到了比其它传统聚类更好的效果。通过在UCI数据集上的实验对比和实际应用中的实验结果，表明了基于自适应谱聚类的图像分割算法适应性强、计算代价小、精度较高，性能优于或者不差于以往的类似算法。 关键词：图像分割；自适应谱聚类；聚类算法 Image Segmentation based on spectral clustering algorithm Abstract：Spectral clustering has been used to identify clusters that are non-linearly separable in input space, and usually outperforms traditional clustering algorithms. However, the performance of spectral clustering is severely dependent on values of the scaling parameter, This paper achieve a new algorithm to the overcom the draw backs of self-tuning spectral clustering and traditional spectral clustering,called as the adaptive spectral clustering(ASC), which can choose the scaling parameter automatically by using techniques similar to kernel selection. It takes average distance of N-near-neighbour as scaling parameter s, and could get better effect than other traditional spectral clustering. by the experiment contrasts in the UCI data sets and the results of experiments in applications show that the spectral clustering based on adaptive image segmentation algorithm has stronger adaptability, lower calculate cost and higher precision. Its performance exceeds or at least not lower to the other similarity ones.We can see the characteristics and advantages of adaptive spectral clustering algorithm. Keywords: Image segmentation; adaptive spectral clustering; clustering algorithm一、绪论 图像分割作为图像处理与计算机视觉研究的难点和热点之一，其研究受到了各研究领域的高度重视，研究工作者对图像分割进行了广泛、深入的研究。图像分割几乎出现在有关图像处理的所有领域，如在工业自动化、生产程控、文件图像处理等。因此在这种情况下，涌出了很多分割算法。但是这些算法都是针对某一类图像、某一具体的应用问题而提出来的，至今仍然没有提出适合所有图像的通用分割算法。 本文先简述了谱聚类算法的基础理论、图像分割原理、自适应谱聚类算法在图像分割中的应用等。然后通过在UCI数据集上的实验对比和实际应用中的实验结果，得出了基于自适应谱聚类的图像分割算法是一种适应性强、计算代价小、精度较高，性能优于或者不差于以往的类似算法。 二、算法基础分析与图像分割原理 1. 谱聚类算法定义 传统的聚类算法主要有K-means算法、EM算法和模糊化的C均值(FCM)算法等。这些算法都是建立在凸球形的样本空间上，当样本空间不为凸时，算法就会很容易陷入局部最优。为了能够在任意形状的样本空间上聚