基于子空间聚类的图像分割方法分析-模式识别与智能系统专业论文.docxVIP

摘要 摘要 摘要 图像分割是图像识别与理解的基础，是将图像分为互不重叠的、具有特定意 义的若干区域的过程。图像分割已经应用于工业、农业、军事等诸多领域，在国 民生产生活中发挥着重要作用。近年来，随着子空间聚类方法在机器学习、计算 机视觉领域的广泛研究，基于子空间聚类的图像分割方法得到了越来越多的关注。 基于子空间聚类的图像分割方法，假设图像相同目标区域中的点属于同一子 空间，目标区域所属的子空间之间是相互独立的。在此基础上，子空间聚类方法 将图像中的点划分到其本质所属的子空间，从而实现点的聚类。对于图像分割而 言，将同一区域的点聚为一类就完成了图像区域的划分。基于子空间聚类的图像 分割方法，将图像中的点投影到子空间中，得到点的子空间表示，这一过程需要 完成投影字典的选择和表示系数的计算。由点的子空间表示可以构造图的邻接矩 阵，并利用谱聚类方法完成点的聚类。 本文提出一种新的基于块稀疏子空间聚类的图像分割方法，将图像的超像素 作为图像中的点，超像素本身作为字典，通过块稀疏约束得到具有块稀疏结构的 子空间表示系数矩阵，并利用归一化割（Ncut）方法处理系数矩阵构造出的图的 邻接矩阵，从而得到最终的图像分割结果。数值实验表明，本文模型所采用的块 稀疏子空间聚类方法，对于干净数据和带噪声的数据都能得到较高的数据聚类准 确率，对应的图像分割模型能够很好地处理彩色自然图像的多相图像分割问题， 得到符合人类视觉感受的图像分割结果。 关键词：图像分割 子空间聚类 块稀疏 Ab Abstract Abstract The aim of image segmentation is to partite an image into several nonoverlapping homogeneous subregions. Image segmentation plays an important role in computer vision and object recognition, and has wide applications in industry, agriculture, military, etc. In recent years, with the widely study of the subspace clustering in computer vision and machine learning, image segmentation based on subspace clustering has seen a proliferation of research. Image segmentation based on subspace clustering assumes that the points in the same part belong to the same subspace and the subspaces are independent. By segmenting the points of the image into the subspaces they belong to, the subspace clustering achieves the clusters of the points. And this means the accomplishment of the image segmentation. The image segmentation based on subspace clustering can get a subspace representation of the point by projecting it into its subspace. This process should complete the selection of the projection dictionary and the calculation of the representation coefficient. After that a spectral clustering has been applied to achieve the clusters of the points. This thesis presents a novel image segmentation method based on subspace clustering, which regards the superpixel as the point of the image. The matrix of the superpixel is chosen as the