结合稀疏编码和空间约束的红外图像聚类分割研究-物理学报.pdfVIP

物理学报 Acta Phys. Sin. Vol. 62, No. 4 (2013) 040702 结合稀疏编码和空间约束的红外图像聚类分割研究* † 宋长新 马克 秦川 肖鹏 ( 青海师范大学计算机学院, 西宁 810008 ) ( 2012年5月3 日收到; 2012年10月4 日收到修改稿) 提出了结合稀疏编码和空间约束的红外图像聚类分割新算法, 在稀疏编码的基础上融合聚类算法, 扩展了传统 的基于K -means 聚类的图像分割方法. 结合稀疏编码的聚类分割算法能有效融合图像的局部信息, 便于利用像素之 间的内在相关性, 但是对于分割会出现过分割和像素难以归类的问题. 为此, 在字典的学习过程中, 将原子的聚类算 法引入其中, 有助于缩减字典中原子所属类别的数目, 防止出现过分割; 考虑到像素及其邻域像素具有类别属性一 致性的特点, 引入了空间类别属性约束信息, 并给出了一种交替优化算法. 联合学习字典、稀疏系数、聚类中心和 隶属度, 将稀疏编码系数同原子对聚类中心的隶属程度相结合, 构造像素归属度来判断像素所属的类别. 实验结果 表明, 该方法能够有效提高红外图像重要区域的分割效果, 具有较好的鲁棒性. 关键词: 图像分割, 稀疏编码, 聚类, 空间约束 PACS: 07.05.Pj, 87.57.N−, 95.75.Mn DOI: 10.7498/aps.62.040702 了空间约束FCM 分割算法7910、模糊核聚类分 1 引言 3 割算法 等. 这些算法本质上都是K -means 算法, 红外图像的分割就是根据一致性准则将图像 对非凸的数据结构和彼此交叠严重的数据存在局 8 划分为互不重叠的各具特性的区域, 并区分出感兴 限性 , 也较少考虑像素点在空间上的依赖关系, 12 导致分割效果并不理想. 趣目标的过程 , 是红外图像在军事和民用中应 用的前提. 红外图像分割的好坏关系到目标检测、 本文结合稀疏编码算法提出了一种红外图像 识别和精确定位等任务. 通常采取的算法有阈值化 聚类分割算法. 稀疏编码是在超完备基上的一种稀 1 疏表示, 是计算机视觉领域的研究热点之一, 稀疏 分割、基于边缘的分割及基于区域的分割等 . 由 于红外图像具有纹理少、对比度差、信噪比低及 编码方法广泛应用于图像恢复、识别及检测等模 复杂背景干扰等特点, 导致了红外图像分割问题 式识别的各个方面11−14 . 稀疏编码对K -means 聚 3 类算法的扩展在向量量化构造BOF 特征进行识别 的困难 . 为了克服这些困难, 提高分割的准确性, 人们提出了许多改进的分割算法, 如结合直方图或 时具有明显改善111516 , 但直接将上述稀疏编码用 14 于聚类进行图像分割容易产生过分割, 难以得到有 熵的阈值化分割 、基于C-V 模型的水平集分 5 67 意义的区域, 造成像素归类的判断问题. 为此, 我们 割 、空间约束聚类分割 等分割算法. 其中 基于聚类的红外图像分割算法是一种重要的分割 在字典