視覺(jué)聚類方法的分析研究及其在圖像檢索中的應(yīng)用.pdf

1、在當(dāng)今飛速發(fā)展的數(shù)據(jù)挖掘和探查性數(shù)據(jù)分析中，聚類分析技術(shù)已廣泛應(yīng)用于模式識(shí)別、圖像處理、生物、心理、計(jì)算機(jī)視覺(jué)和遙感等領(lǐng)域。在實(shí)際問(wèn)題中，已有的各種聚類算法各有其優(yōu)勢(shì)，如何降低聚類算法對(duì)初始化的敏感度以及如何針對(duì)不同的數(shù)據(jù)集尋找最優(yōu)聚類，并給出合理的物理解釋，成為眾多學(xué)者正致力于研究并解決的問(wèn)題。 本文針對(duì)目前在聚類算法及其應(yīng)用中的一些熱點(diǎn)問(wèn)題展開(kāi)了研究與探討工作，主要的工作分為以下三部分： 1.本文研究了基于視覺(jué)采樣原

2、理的聚類方法，并給出了一種一般化的視覺(jué)采樣聚類方法VSC。該方法將視覺(jué)采樣原理與著名的Weber定律結(jié)合起來(lái)，不僅具有對(duì)聚類初始條件不敏感的特點(diǎn)；同時(shí)在Weber定律所定義的聚類有效性標(biāo)準(zhǔn)的指導(dǎo)下，該方法所得到的合理的聚類數(shù)有著較好的物理解釋性。大量的實(shí)驗(yàn)結(jié)果表明了算法VSC的有效性。 2.在深入分析YangMiin-Shen等人提出的基于相似度量的聚類方法的核心算法SCA的基礎(chǔ)上，本文初步討論了由一種視覺(jué)采樣函數(shù)所定義的算法V

3、SC與算法SCA之間的內(nèi)在聯(lián)系，得出了這兩個(gè)算法具有一定的同解性質(zhì)，從而揭示了方法VSC能夠有效地克服算法SCA中參數(shù)γ不易確定之困難。 3.顏色作為圖像的一種重要視覺(jué)信息，廣泛應(yīng)用于基于內(nèi)容的圖像檢索。從視覺(jué)心理屬性來(lái)講，HSI顏色模型較RGB顏色模型更易被接受。鑒于圖像信息固有的復(fù)雜性和不精確性，本文引入了模糊化的機(jī)理對(duì)HSI顏色模型的顏色信息進(jìn)行模糊量化，得到關(guān)于顏色特征的模糊直方圖，并應(yīng)用視覺(jué)采樣聚類方法VSC對(duì)其進(jìn)行聚