【摘要】：在圖像分割中譜聚類(lèi)算法需要計(jì)算像素之間的相似度矩陣,構(gòu)造數(shù)據(jù)量大,并且要對(duì)拉普拉斯矩陣進(jìn)行特征分解,計(jì)算比較耗時(shí)。針對(duì)這一問(wèn)題,提出了一種基于稀疏矩陣的譜聚類(lèi)圖像分割算法。算法結(jié)合圖像特征信息在不同尺度上對(duì)譜聚類(lèi)進(jìn)行誤差分析,設(shè)計(jì)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(shí)驗(yàn)結(jié)果表明,該算法能夠有效降低譜聚類(lèi)的計(jì)算復(fù)雜度,同時(shí),提高了分割的準(zhǔn)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(xué)電氣工程與信息工程學(xué)院;西北民族大學(xué)數(shù)學(xué)與計(jì)算機(jī)學(xué)院;
【基金】：國(guó)家自然科學(xué)基金項(xiàng)目(61561042) 西北民族大學(xué)引進(jìn)人才基金項(xiàng)目(1310RJYA013)
【分類(lèi)號(hào)】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

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

2 王會(huì)青;陳俊杰;;基于圖劃分的譜聚類(lèi)方法的研究[J];計(jì)算機(jī)工程與設(shè)計(jì);2011年01期

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

4 何飛;王曉晨;馬粹;梁治國(guó);;生產(chǎn)狀態(tài)的測(cè)地距離譜聚類(lèi)分析[J];計(jì)算機(jī)工程與應(yīng)用;2012年24期

5 薛寧?kù)o;;生產(chǎn)狀態(tài)的熵值評(píng)估譜聚類(lèi)分析[J];計(jì)算機(jī)工程與應(yīng)用;2012年19期

6 管濤;王杰;;譜聚類(lèi)的算子理論研究進(jìn)展[J];計(jì)算機(jī)科學(xué);2013年S1期

7 周文剛;陳雷霆;董仕;;基于譜聚類(lèi)的網(wǎng)絡(luò)流量分類(lèi)識(shí)別算法[J];電子測(cè)量與儀器學(xué)報(bào);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(lèi)[J];軟件學(xué)報(bào);2007年10期

9 林立;胡俠;朱俊彥;;基于譜聚類(lèi)的多文檔摘要新方法[J];計(jì)算機(jī)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(yīng)譜聚類(lèi)[J];小型微型計(jì)算機(jī)系統(tǒng);2011年09期

相關(guān)博士學(xué)位論文 前3條

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

2 楊藝芳;譜聚類(lèi)與維數(shù)約簡(jiǎn)算法及其應(yīng)用[D];西安電子科技大學(xué);2016年

3 孔敏;關(guān)聯(lián)圖的譜分析及譜聚類(lèi)方法研究[D];安徽大學(xué);2006年

相關(guān)碩士學(xué)位論文 前10條

1 陳昭彤;基于拓?fù)鋭?shì)和譜聚類(lèi)的社區(qū)發(fā)現(xiàn)研究[D];中國(guó)礦業(yè)大學(xué);2015年

2 張吉文;基于譜聚類(lèi)的文本聚類(lèi)算法研究[D];貴州大學(xué);2015年

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

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

5 付剛;基于譜聚類(lèi)的混合流形學(xué)習(xí)算法研究[D];安徽理工大學(xué);2016年

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

7 梁?jiǎn)⒑?基于粒度空間的譜聚類(lèi)方法及應(yīng)用研究[D];江南大學(xué);2017年

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

9 曾雛鵬;基于演化算法的自適應(yīng)譜聚類(lèi)研究[D];華東師范大學(xué);2016年

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

，

本文編號(hào)：2324194