稀疏子空間聚類算法及其在運(yùn)動(dòng)分割中的應(yīng)用研究.pdf

1、如今社會(huì)，人們不滿足于僅僅播放多媒體信息，轉(zhuǎn)向基于視頻對(duì)象的訪問、檢索和操作，于是基于視頻的運(yùn)動(dòng)分割技術(shù)成為了研究重點(diǎn)。運(yùn)動(dòng)分割是將視頻中有著不同運(yùn)動(dòng)的物體分開，是基于對(duì)象的視頻編碼、視頻檢索、多媒體交互的基石。傳統(tǒng)的運(yùn)動(dòng)分割算法采用運(yùn)動(dòng)目標(biāo)檢測(cè)和目標(biāo)跟蹤,在利用幀差法和光流法對(duì)運(yùn)動(dòng)目標(biāo)檢測(cè)時(shí)，極易受到噪聲的影響，目標(biāo)跟蹤又涉及目標(biāo)的遮擋、扭曲和變形等問題，于是復(fù)雜場景下進(jìn)行運(yùn)動(dòng)分割很難得到理想效果。通過轉(zhuǎn)換問題的角度，采用稀疏子空間聚

2、類算法，避開運(yùn)動(dòng)檢測(cè)和目標(biāo)跟蹤遇到的難題，來實(shí)現(xiàn)復(fù)雜場景下的運(yùn)動(dòng)分割。
　　基于同一運(yùn)動(dòng)的特征點(diǎn)軌跡在同一線性流形上，于是可以利用稀疏子空間聚類算法對(duì)特征點(diǎn)軌跡進(jìn)行聚類來實(shí)現(xiàn)運(yùn)動(dòng)分割。稀疏子空間聚類算法在處理高維數(shù)據(jù)時(shí)，能夠?qū)⒏呔S數(shù)據(jù)分割到所屬的低維子空間中去，揭示高維數(shù)據(jù)所在本質(zhì)子空間，算法可以同時(shí)處理奇異點(diǎn)和噪聲對(duì)聚類的影響，針對(duì)稀疏子空間算法的研究，本文做了如下工作：
　　(1)通過對(duì)比k-means算法，深入研究自適

3、應(yīng)譜聚類算法。
　　由于稀疏子空間聚類算法是基于譜聚類，對(duì)譜聚類的相關(guān)基礎(chǔ)和理論知識(shí)做了深入研究，分析譜聚類的研究成果和應(yīng)用現(xiàn)狀，針對(duì)譜聚類需要手動(dòng)輸入聚類數(shù)目的缺點(diǎn)，本文依據(jù)矩陣的擾動(dòng)理論，同時(shí)計(jì)算矩陣的特征間隙，從而實(shí)現(xiàn)聚類算法自動(dòng)確定聚類數(shù)目。為了證明譜聚類算法能處理任意樣本形狀的數(shù)據(jù)集，而且不陷入局部最優(yōu)，本文選取各種形狀的樣本集進(jìn)行實(shí)驗(yàn)，同時(shí)用k-means算法處理這些樣本集，通過實(shí)驗(yàn)對(duì)比，發(fā)現(xiàn)自適應(yīng)譜聚類算法在處理樣本

4、集上的優(yōu)勢(shì)。
　　(2)提出混合最小二乘回歸的稀疏子空間聚類算法。
　　針對(duì)稀疏子空間聚類算法如何構(gòu)造真實(shí)合理反映數(shù)據(jù)集的相似度矩陣的問題，相似度矩陣既要類間稀疏又要內(nèi)類均勻，這樣才能保證屬于同一個(gè)類的數(shù)據(jù)點(diǎn)相似度最大，屬于不同類的數(shù)據(jù)點(diǎn)相似度最小，對(duì)于樣本集存在各種噪聲點(diǎn)、奇異樣本點(diǎn)和孤立點(diǎn)，本文采用數(shù)據(jù)項(xiàng)矩陣來處理噪聲的影響，通過分析稀疏子空間聚類專注于每一個(gè)數(shù)據(jù)表示系數(shù)的最大稀疏性，缺乏對(duì)數(shù)據(jù)集全局結(jié)構(gòu)的描述;低秩子空