谱聚类算法毕业设计.docx
《谱聚类算法毕业设计.docx》由会员分享,可在线阅读,更多相关《谱聚类算法毕业设计.docx(61页珍藏版)》请在咨信网上搜索。
1、沈阳理工大学学士学位论文摘 要谱聚类作为一类新兴的、有效的聚类方法得到广泛的关注,并已成功的应用于图像分割。本文研究基于谱聚类的图像分割技术,并成功的应用到图像分割中。本文主要工作如下:谱聚类算法是利用图像的相似性矩阵进行图像分割,如何构造一个对图像信息表达更充分的相似性矩阵,对算法性能有很大影响。本文应用Nystrom谱聚类算法进行图像分割技术的研究,而且还具有良好的方向分析能力,它能反映出图像在不同分辨率上沿多个方向的变化,能更好地描述图像的几何结构。该方法为的是在聚类的时候取得较好且稳定的性能,然而KHM仅在对低维数样本聚类时较KM算法要好。为了缓解谱聚类对初始化敏感的问题,本文采用了基
2、于优化策略的K均值算法,实现了基于Nystrom谱聚类的图像分割方法。通过在Nystrom谱聚类算法仿真实验表明:本文的方法无论在细纹理、粗纹理、非均匀纹理和混合纹理上,其视觉效果和评价指标上都要优于的方法。关键词:图像分割;谱聚类;Nystrom谱聚类算法;K-Means聚类算法AbstractSpectral clustering as a class of new and effective clustering method has beenwidely concerned and successfully applied in image segmentation. The imag
3、esegmentation algorithm, based on initialization-independent multi-parameter kernelspectral clustering which was raised by Ma Xiuli, has been researched, improved andsuccessfully applied in texture image and SAR image segmentation in this dissertation.The main achievement of this dissertation can be
4、 summarized as follows:Spectral clustering uses the image similarity matrix in image segmentation.How to construct a similarity matrix which expresses more information of image has agreat influence on algorithm performance. It can reflect that image changes on different resolutions along several dir
5、ections, anddescribe the geometry of image better.K-means based on optimization strategy has been adopt to realize the imagesegmentation based on complex wavelet feature and spectral clustering. A large numberof simulation experiments in Brodatz library show that: In terms of fine texture, roughtext
6、ure, non-uniform texture and blending textures, our method is better than themethod according to the visual effects and evaluation indicators.Keyword: Image Segmentation;Spectral Clustering Dual-Tree Complex;K means Spectral Clustering目 录1 绪 论11.1数字图象处理技术11.1.1 简介11.1.2 图像处理的主要目的11.1.3常用方法11.2图像分割技术
7、11.3MATLAB编程软件的介绍21.3.1简介21.4谱聚类的简述21.4.1 简介21.4.2 图划分准则21.5课题研究的目的及本文的主要内容32 图像分割技术与边缘检测42.1 图像分割定义和方法分类42.1.1 图像分割的定义42.1.2 图像分割算法52.1.3灰度阈值分割52.1.4 阈值法62.2 边缘检测算子62.2.1 基于边缘检测的分割62.2.2 普通梯度算子72.3 区域生长82.3.1 区域生长的主要步骤92.4本章小结93 谱聚类算法分析与研究103.1 基本理论103.1.1 图和矩阵的表示103.1.2 谱图理论133.1.3 图划分准则133.1.4 相似
8、度矩阵、拉普拉斯矩阵153.2 谱聚类算法163.2.1 谱聚类算法163.2.2 谱聚类算法与K_Means算法的比较183.3 谱聚类算法存在的问题以及研究进展203.4 本章小结214 基于Nystrom谱聚类图像分割算法研究224.1 Nystrom谱聚类算法224.1.1 Nystrom扩展方法224.1.2 Nystrom 扩展谱聚类算法234.1.3 Nystrom谱聚类图像分割算法244.2 程序流程图264.3 仿真与分析274.3.1结果274.3.2分析284.5 本章小结28结 论29致 谢30参考文献31附录A 英文原文32附录B 中文翻译40附录C 计算程序45IV
9、1 绪 论1.1 数字图象处理技术1.1.1 简介数字图象处理(Digital Image Processing)又称为计算机图像处理,它是指将图像信号转换成数字信号并利用计算机对其进行处理的过程。1.1.2 图像处理的主要目的(1)提高图像的视感质量,如进行图像的亮度、彩色变换,增强、抑制某些成分,对图像进行几何变换等,以改善图像的质量。(2)提取图像中所包含的某些特征或特殊信息,这些被提取的特征或信息往往为计算机分析图像提供便利。提取特征或信息的过程是模式识别或计算机视觉的预处理。提取的特征可以包括很多方面,如频域特征、灰度或颜色特征、边界特征、区域特征、纹理特征、形状特征、拓扑特征和关系
10、结构等。(3)图像数据的变换、编码和压缩,以便于图像的存储和传输。1.1.3常用方法 图像变换,图像编码压缩,图像增强和复原,图像分割,图像描述,图像分类(识别)。1.2 图像分割技术图像分割技术:图像分割是数字图像处理中的关键技术之一。图像分割是将图像中有意义的特征部分提取出来,其有意义的特征有图像中的边缘、区域等,这是进一步进行图像识别、分析和理解的基础。虽然已研究出不少边缘提取、区域分割的方法,但还没有一种普遍适用于各种图像的有效方法。因此,对图像分割的研究还在不断深入之中,是图像处理中研究的热点之一。1.3 MATLAB编程软件的介绍本论文运用matlab来进行编程,下面来介绍一下MA
11、TLAB编程软件。1.3.1简介MATLAB是一款由美国MathWorks公司出品的主要对科学计算、可视化以及交、互式程序设计的高科技计算软件。它将数值分析、矩阵计算、科学数据可视化以及非线性动态系统的建模系统的建模和仿真等诸多强大功能集成在一个抑郁使用的视窗环境中。MATLAB的基本数据单位是矩阵,它的指令表达式与数学、工程中常用的形式十分先相似,故用MATLAB来解算要比C等语言完成相同的事情简捷的多。本论文运用版本是MATLAB2010b,在这个版本中也加入了对C、C+、Java的支持,可以直接调用。 1.4 谱聚类的简述1.4.1 简介谱聚类算法建立在谱图理论基础上,与传统的聚类算法相
12、比,它具有能在任意形状的样本空间上聚类且收敛于全局最优解的优点。该算法首先根据给定的样本数据集定义一个描述成对数据点相似度的亲合矩阵,并且计算矩阵的特征值和特征向量,然后选择合适 的特征向量聚类不同的数据点。谱聚类算法建立在图论中的谱图理论基础上,其本质是将聚类问题转化为图的最优划分问题,是一种点对聚类算法,对数据聚类具有很好的应用前景。1.4.2图划分准则常见的划分准则有(1)最小割集准则:(Minimum cut)(2)规范割集准则:(Normalized cut)(3)比例割集准则:(Ratio cut)(4)平均割集准则:(Average cut)(5)最小最大割集准则:(Minmax
13、 cut)(6)多路规范割集准则(Multiway Normalized cut)1.5 课题研究的目的及本文的主要内容本章介绍了本文各项理论基础的简述。第二章 将详细介绍图像分割技术的基本理论,然后详细介绍各个算法的应用,及发展前景。第三章 将详细介绍谱聚类的基本理论,然后详细介绍了谱聚类在图像分割中的应用算法、存在的问题以及研究的进展。第四章 针对上两章给出nystrom算法对目标图像进行分割处理,并写明操作的流程图。由于编程较多因此不写入本论文中。对程序的运行,检查,以及调整。实现其结果。最后对本论文进行总结,并结合论文工作提出进一步展望。2 图像分割技术与边缘检测2.1 图像分割定义和
14、方法分类图像分割是将图像中有意义或有用的特征提取出来,也可以说,将图像分成各具特点的区域并提取出感兴趣目标的技术和过程。图像分割是由图像处理到图像分析的关键步骤。图像读入(光电转换)图像处理(增强,编码)图像分析(分割,描述)图像理解(解释,理解)光图像数字图像处理过的图像解释判断特征数据图2.1 一般的图像处理过程2.1.1 图像分割的定义令集合R代表整个图像区域,对R的分割可看作将R分成若干个满足以下5个条件的非空子集(子区域)R1,R2 ,Rn (2.1) 对所有的i和j,ij,有 (2.2) 对i=1,2,n,有P(Ri)=TRUE (2.3) 对ij,有 P(RiRj)=FALSE
15、(2.4) 对i=1,2,n,Ri是连通域。 其中P(Ri)代表所有集合Ri中元素的某种性质。2.1.2 图像分割算法根据相邻象素在象素值方面的相似性和不连续性可分为区域法和边界法;根据处理策略不同分为串行算法和并行算法。表2.1分割目标与处理方法边界区域并行处理PB(Boudary-Based Parallel Techniques)并行边界技术,如微分算子PR(Region-Based Parallel Techniques)并行区域技术,如阈值串行处理SB(Boundary-Based Sequential Techniques)串行边界技术,如边沿跟踪SR(Region-Based S
16、equential Techniques)串行区域技术,如四叉树分割2.1.3 灰度阈值分割灰度阈值分割是一种常见的分割方法,由于它实现的直观性和简单性,它在图像分割中占有十分重要的地位。灰度阈值分割法就是根据图像的不同灰度级来选取一个合适的灰度阈值,以此来确定有意义的区域或者分割物体的边界。灰度阈值分割法就是将图像进行二值化处理,即选择一个阈值,将原始图像转换成黑白二值图像。灰度阈值分割法的处理函数如下: gx,y=0 0&fx,yT255 T&fx,yT2),T1用来找到每条线段,T2用来在这些线段的两个方向上延伸寻找边缘的断裂处,并连接这些边缘。2.3 区域生长区域生长的基本思想:将具有
17、相似性质的像素结合起来构成区域。具体先对每个需要分割的区域找一个种子像素作为生长的起点,然后将种子像素周围邻域中与种子像素有相同或相似性质的像素(根据某种事先确定的生长或相似准则来判定)合并到种子像素所在的区域小。将这些新像素当做新的种子似素继续进行上面的过程,直到再没有满足条件的像素可被包括进来,这样一个区域就长成了。在实际应用区域生长法时需要解决三个问题:(1)选择或确定一组能正确代表所需区域的种子像素;(2)确定在生长过程中能将相邻像素包括进来的准则;(3)制定让生长过程停止的条件或规则。2.3.1 区域生长的主要步骤:(1)对图像进行逐行扫描,找出尚没有归属的像素;(2)以该像素为中心
18、检查它的邻域像素,即将邻域中的像素逐个与它比较,如果灰度值小于预先确定的阈值,将它们合并;(3)以新合并的像素为中心,返回步骤2,检查新像素的邻域,直到区域不能进一步扩张;(4)返回到步骤1,继续扫描到不能发现没有归属的像素,则结束整个生长过程2.4 本章小结本章介绍了图像分割技术和边缘检测。具体介绍了图像分割定义,图像分割的算法(串行算法和并行算法),灰度阈值分割。详细介绍了阈值法,由于图像背景大多较为复杂,尤其地物区域间灰度混叠严重,再加上斑点噪声的影响,使得图像的灰度直方图呈现不规则变化,利用阈值进行自动分割就较为困难。针对图像的阈值分割方法主要研究阈值的自适应选择以进行更有效的分割,但
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 谱聚类 算法 毕业设计
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【可****】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【可****】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。