《基于圖劃分的圖像聚類算法研究.pdf》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在工程資料-天天文庫。

1、代號10701學(xué)號0712110067分類號TN181密級公開題（中、英文）目基于圖劃分的圖像聚類算法研究Imageclusteringalgorithmbasedongraphpartition作者姓名劉漢強指導(dǎo)教師姓名、職務(wù)焦李成教授學(xué)科門類工學(xué)學(xué)科、專業(yè)模式識別與智能系統(tǒng)提交論文日期二○一一年四月西安電子科技大學(xué)攻讀博士學(xué)位研究生畢業(yè)論文基于圖劃分的圖像聚類算法研究作者:劉漢強導(dǎo)師:焦李成教授學(xué)科:模式識別與智能系統(tǒng)學(xué)位:工學(xué)博士2011年04月中國西安ImageClusteringAlgorithmba

2、sedonGraphPartitionADissertationSubmittedtoXidianUniversityinPartialSatisfactionoftheRequirementsfortheDegreeofDoctorofPhilosophyInElectronicEngineeringbyLiuHanqiangApril,2011Xi’an,P.R.China獨創(chuàng)性聲明本人聲明所呈交的論文是我個人在導(dǎo)師指導(dǎo)下進行的研究工作及取得的研究成果。盡我所知，除了本文中特別加以標(biāo)注和致謝中所羅列的內(nèi)容外

3、，論文中不包含其他人已經(jīng)發(fā)表或撰寫過的研究成果；也不包含為獲得西安電子科技大學(xué)或其它教育機構(gòu)的學(xué)位或證書而使用過的材料。與我一同工作的同志對本研究所做的任何貢獻均已在論文中做了明確的說明并表示了謝意。本人簽名：______________日期:______________關(guān)于論文使用授權(quán)的說明本人完全了解西安電子科技大學(xué)有關(guān)保留和使用學(xué)位論文的規(guī)定，即：學(xué)校有權(quán)保留送交論文的復(fù)印件，允許查閱和借閱論文；學(xué)?？梢怨颊撐牡娜炕虿糠謨?nèi)容；可以允許采用影印、縮印或其它復(fù)制手段保存論文。（保密的論文在解密后遵守此規(guī)定

4、）本人簽名：______________日期:______________導(dǎo)師簽名：______________日期:______________摘要I摘要譜聚類算法建立在譜圖理論基礎(chǔ)上，是近年來機器學(xué)習(xí)領(lǐng)域的一個新的研究熱點。與傳統(tǒng)的聚類方法相比，它能在非凸的樣本空間上聚類。針對譜聚類算法中一些亟待解決的問題，本論文對以下內(nèi)容進行了研究：數(shù)據(jù)約簡譜聚類算法研究、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度的SAR圖像多層分割算法研究。論文的主要工作概括

5、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、第二章對譜聚類算法的理論及其各種常用的方法進行了概述。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)上的存儲困難、計算復(fù)雜度高及相似性測度不易構(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，一種直接有效的途徑就是通過對原始數(shù)據(jù)進行約簡來減少數(shù)據(jù)量。本章我們設(shè)計了一種數(shù)據(jù)分層約簡的框架，提出了基于模糊聚類技術(shù)的約簡譜聚類算法和基于密度的約簡譜聚

6、類算法兩種方法，并在新方法中引入了流形距離測度來構(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圖像分割的仿真實驗表明了新算法具有良好的聚類性能。3、第三章針對譜聚類算法用于圖像分割時對噪聲敏感的問題，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)造了一個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

7、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驗驗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NP難問題，第五章提出

8、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，并在新智能感知與圖像理解教育部重點實驗室II基于圖劃分的圖像聚類算法研究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個人工數(shù)據(jù)集、手寫體識別問題以及人臉識別問題的仿真實驗表明了新算法的良好聚類性能。此外，我們在免疫克隆選擇圖劃分的基礎(chǔ)引入半監(jiān)督聚類的思想，提出了基于免疫克