基于圖劃分的圖像聚類算法研究.pdf

1、譜聚類算法建立在譜圖理論基礎(chǔ)上，是近年來機(jī)器學(xué)習(xí)領(lǐng)域的一個(gè)新的研究熱點(diǎn)。與傳統(tǒng)的聚類方法相比，它能在非凸的樣本空間上聚類。針對(duì)譜聚類算法中一些亟待解決的問題，本論文對(duì)以下內(nèi)容進(jìn)行了研究：數(shù)據(jù)約簡(jiǎn)譜聚類算法研究、結(jié)合空間信息的譜聚類圖像分割算法研究、無監(jiān)督和半監(jiān)督的免疫克隆選擇圖劃分算法研究以及基于局部相似性測(cè)度的SAR圖像多層分割算法研究。論文的主要工作概括如下：
　　1、論文的第一章為緒論，介紹了本論文的研究背景，回顧了聚類分析

2、和圖像分割的發(fā)展及研究現(xiàn)狀，并給出了論文的主要工作及內(nèi)容安排。
　　2、第二章對(duì)譜聚類算法的理論及其各種常用的方法進(jìn)行了概述。在此基礎(chǔ)上，給出了傳統(tǒng)譜聚類算法在大規(guī)模數(shù)據(jù)上的存儲(chǔ)困難、計(jì)算復(fù)雜度高及相似性測(cè)度不易構(gòu)造等一系列存在的問題。當(dāng)要聚類的樣本數(shù)據(jù)量大而導(dǎo)致譜聚類算法復(fù)雜度高、聚類性能下降時(shí)，一種直接有效的途徑就是通過對(duì)原始數(shù)據(jù)進(jìn)行約簡(jiǎn)來減少數(shù)據(jù)量。本章我們?cè)O(shè)計(jì)了一種數(shù)據(jù)分層約簡(jiǎn)的框架，提出了基于模糊聚類技術(shù)的約簡(jiǎn)譜聚類算法

3、和基于密度的約簡(jiǎn)譜聚類算法兩種方法，并在新方法中引入了流形距離測(cè)度來構(gòu)造相似性矩陣，使得新算法可以有效處理具有復(fù)雜結(jié)構(gòu)的數(shù)據(jù)。Brodatz紋理圖像聚類、紋理圖像分割和合成孔徑雷達(dá)圖像分割的仿真實(shí)驗(yàn)表明了新算法具有良好的聚類性能。
　　3、第三章針對(duì)譜聚類算法用于圖像分割時(shí)對(duì)噪聲敏感的問題，提出了非局部空間譜聚類圖像分割算法。該方法利用譜圖劃分準(zhǔn)則與空間權(quán)核k均值目標(biāo)函數(shù)的等價(jià)性，將圖像中的非局部空間信息引入到譜聚類算法中，構(gòu)造了

4、一個(gè)新的基于非局部空間的拉普拉斯相似性矩陣，使得在該矩陣基礎(chǔ)上的譜聚類算法避免了圖像中噪聲的影響，并獲得了滿意的分割結(jié)果。在含噪的人造圖像和自然圖像上的結(jié)果也驗(yàn)證了算法的有效性。
　　4、第四章提出了基于像素三維特征的譜聚類圖像分割算法。首先利用圖像像素的灰度、均值及非局部均值構(gòu)造圖像像素的三維特征空間，然后利用該三維特征空間上的連通性和一致性度量構(gòu)造新的相似性測(cè)度方法，最后在該相似性矩陣上利用譜聚類算法獲得圖像的分割結(jié)果。新方法

5、充分利用了圖像中像素的局部空間信息和非局部空間信息，對(duì)圖像中噪聲具有一定的魯棒性。含噪的人造圖像和自然圖像上的分割實(shí)驗(yàn)驗(yàn)證了新算法的良好性能。
　　5、圖劃分準(zhǔn)則的最優(yōu)解本身是一個(gè)NP難問題，第五章提出了一種利用免疫克隆選擇算法來求解圖譜劃分問題的新方法：免疫克隆選擇圖劃分方法，并在新方法中引入了流形距離來構(gòu)造相似性矩陣，使得新算法可以有效處理具有復(fù)雜結(jié)構(gòu)的數(shù)據(jù)，6個(gè)人工數(shù)據(jù)集、手寫體識(shí)別問題以及人臉識(shí)別問題的仿真實(shí)驗(yàn)表明了新算法

6、的良好聚類性能。此外，我們?cè)诿庖呖寺∵x擇圖劃分的基礎(chǔ)引入半監(jiān)督聚類的思想，提出了基于免疫克隆選擇優(yōu)化的半監(jiān)督圖劃分算法。新方法利用成對(duì)限制信息來引導(dǎo)聚類過程，手寫體識(shí)別問題以及人臉識(shí)別問題的仿真實(shí)驗(yàn)表明了新算法具有的良好性能。
　　6、第六章通過設(shè)計(jì)圖像像素的局部相似性測(cè)度和紋理特征最近鄰搜索策略，在多層圖劃分算法的基礎(chǔ)上提出了基于局部相似性測(cè)度的SAR圖像多層分割方法。新方法在具有各種不同紋理、不同形狀的人工合成紋理圖像和SAR