發(fā)布時間：2018-11-11 07:37

【摘要】：在圖像分割中譜聚類算法需要計算像素之間的相似度矩陣,構(gòu)造數(shù)據(jù)量大,并且要對拉普拉斯矩陣進行特征分解,計算比較耗時。針對這一問題,提出了一種基于稀疏矩陣的譜聚類圖像分割算法。算法結(jié)合圖像特征信息在不同尺度上對譜聚類進行誤差分析,設計了一種新的樣本信息選取方案,并利用選取的圖像信息直接創(chuàng)建稀疏相似度矩陣。理論分析以及圖像分割實驗結(jié)果表明,該算法能夠有效降低譜聚類的計算復雜度,同時,提高了分割的準確性和魯棒性。
[Abstract]:In image segmentation, spectral clustering algorithm needs to calculate the similarity matrix between pixels, construct a large amount of data, and decompose the Laplace matrix, which is time-consuming. To solve this problem, a spectral clustering image segmentation algorithm based on sparse matrix is proposed. Based on the error analysis of spectral clustering based on image feature information, a new sample information selection scheme is designed, and the sparse similarity matrix is created directly by using the selected image information. Theoretical analysis and image segmentation experiments show that the proposed algorithm can effectively reduce the computational complexity of spectral clustering and improve the accuracy and robustness of the segmentation.
【作者單位】： 蘭州理工大學電氣工程與信息工程學院;西北民族大學數(shù)學與計算機學院;
【基金】：國家自然科學基金項目(61561042) 西北民族大學引進人才基金項目(1310RJYA013)
【分類號】：TP391.41

【相似文獻】

相關期刊論文 前10條

1 王娜;杜海峰;莊健;余進濤;王孫安;;三種典型的基于圖分割的譜聚類方法比較[J];系統(tǒng)仿真學報;2009年11期

2 王會青;陳俊杰;;基于圖劃分的譜聚類方法的研究[J];計算機工程與設計;2011年01期

3 王春騰;符傳誼;邢潔清;;基于非負約束的譜聚類方法[J];電腦知識與技術(shù);2011年17期

4 何飛;王曉晨;馬粹;梁治國;;生產(chǎn)狀態(tài)的測地距離譜聚類分析[J];計算機工程與應用;2012年24期

5 薛寧靜;;生產(chǎn)狀態(tài)的熵值評估譜聚類分析[J];計算機工程與應用;2012年19期

6 管濤;王杰;;譜聚類的算子理論研究進展[J];計算機科學;2013年S1期

7 周文剛;陳雷霆;董仕;;基于譜聚類的網(wǎng)絡流量分類識別算法[J];電子測量與儀器學報;2013年12期

8 王玲;薄列峰;焦李成;;密度敏感的半監(jiān)督譜聚類[J];軟件學報;2007年10期

9 林立;胡俠;朱俊彥;;基于譜聚類的多文檔摘要新方法[J];計算機工程;2010年22期

10 劉馨月;李靜偉;于紅;尤全增;林鴻飛;;基于共享近鄰的自適應譜聚類[J];小型微型計算機系統(tǒng);2011年09期

相關博士學位論文 前3條

1 劉璐;基于聯(lián)合域聚類和稀疏表示的極化SAR圖像分類[D];西安電子科技大學;2015年

2 楊藝芳;譜聚類與維數(shù)約簡算法及其應用[D];西安電子科技大學;2016年

3 孔敏;關聯(lián)圖的譜分析及譜聚類方法研究[D];安徽大學;2006年

相關碩士學位論文 前10條

1 陳昭彤;基于拓撲勢和譜聚類的社區(qū)發(fā)現(xiàn)研究[D];中國礦業(yè)大學;2015年

2 張吉文;基于譜聚類的文本聚類算法研究[D];貴州大學;2015年

3 李偉龍;基于面向?qū)ο骃VM和譜聚類的極化SAR分類[D];西安電子科技大學;2014年

4 崔竹冬;基于譜聚類的三維血管點云分割技術(shù)研究[D];哈爾濱工業(yè)大學;2016年

5 付剛;基于譜聚類的混合流形學習算法研究[D];安徽理工大學;2016年

6 林珍香;基于譜聚類的個性化推薦系統(tǒng)研究[D];福建農(nóng)林大學;2016年

7 梁啟浩;基于粒度空間的譜聚類方法及應用研究[D];江南大學;2017年

8 李兆真;基于分區(qū)的三維顱骨面貌復原算法研究[D];西北大學;2016年

9 曾雛鵬;基于演化算法的自適應譜聚類研究[D];華東師范大學;2016年

10 范鶴鶴;一種基于譜聚類和遺傳算法的矩形檢測方法[D];華中科技大學;2015年

，

本文編號：2324194