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上，是近年來機器學習領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，本論文對以下內容進行了研究：數據約簡譜聚類算法研究、結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)展及研究現狀，并給出了論文的主要工作及內容安排。
　　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。在此基礎上，給出了傳統(tǒng)譜聚類算法在大規(guī)模數據上的存儲困難、計算復雜度高及相似性測度不易構造等一系列存在的問題。當要聚類的樣本數據量大而導致譜聚類算法復雜度高、聚類性能下降時，一種直接有效的途徑就是通過對原始數據進行約簡來減少數據量。本章我們設計了一種數據分層約簡的框架，提出了基于模糊聚類技術的約簡譜聚類算法

3、和基于密度的約簡譜聚類算法兩種方法，并在新方法中引入了流形距離測度來構造相似性矩陣，使得新算法可以有效處理具有復雜結構的數據。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則與空間權核k均值目標函數的等價性，將圖像中的非局部空間信息引入到譜聚類算法中，構造了

4、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果。在含噪的人造圖像和自然圖像上的結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、圖劃分準則的最優(yōu)解本身是一個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造相似性矩陣，使得新算法可以有效處理具有復雜結構的數據，6個人工數據集、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

6、的良好聚類性能。此外，我們在免疫克隆選擇圖劃分的基礎引入半監(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。新方法利用成對限制信息來引導聚類過程，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具有的良好性能。
　　6、第六章通過設計圖像像素的局部相似性測度和紋理特征最近鄰搜索策略，在多層圖劃分算法的基礎上提出了基于局部相似性測度的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