基於高維特徵和稀疏子空間聚類的圖像分割方法研究

《基於高維特徵和稀疏子空間聚類的圖像分割方法研究》是依託西安電子科技大學，由王衛衛擔任項目負責人的面上項目。

基本介紹

• 中文名：基於高維特徵和稀疏子空間聚類的圖像分割方法研究
• 項目類別：面上項目
• 項目負責人：王衛衛
• 依託單位：西安電子科技大學

中文摘要

圖像分割是圖像理解與識別的基礎，是計算機視覺亟需解決的問題。傳統圖像分割方法使用個別圖像特徵，個別特徵不能反映自然界的豐富多樣性，分割精度有限。本項目將圖像分割看成圖像高維特徵的聚類問題，並利用目前高維數據聚類中最有效的、無監督、無需先驗信息的稀疏子空間聚類方法來解決。創新點有: 以子空間表示矩陣應具有類間稀疏類內一致特性為原則，利用分組p-q範數和疊代重加權稀疏範數設計正則項，將核範數推廣為奇異值的非凸p範數，將其與新的稀疏度量相結合，得到類間稀疏類內均勻的子空間表示；在分析新正則項的數學性質基礎上，給出類間稀疏類內一致正則項的條件，為設計類間稀疏類內一致正則項提供理論依據，在此基礎上設計新的正則項；分析特徵域噪聲特性，設計與之相適應的誤差度量和數據項；利用推廣的主元素分析法和本項目設計的正則項、數據項建立圖像高維特徵降維和子空間表示相聯合的模型與算法。預期取得與國際先進水平相當的成果。

結題摘要

圖像分割是圖像理解與識別的基礎，是計算機視覺亟需解決的問題。傳統圖像分割方法使用個別圖像特徵，個別特徵不能反映自然界的豐富多樣性，分割精度有限。本項目利用圖像多種屬性的特徵，比如局部二維模式（LBP）、顏色直方圖（CH）、梯度直方圖（HOG）等挖掘圖像局部/全局結構和顏色分布等更豐富的信息，並設計了若干新的聚類模型和算法來解決高維數據的聚類問題和圖像分割問題，比已有方法在精度和穩定性方面有顯著提升。具體內容包括：研究了子空間表示矩陣具有類間稀疏和類內一致特性的條件，定義了新的保證類間稀疏類內一致的正則項。研究了新的誤差度量準則和數據項，使基於高維特徵的子空間聚類方法對噪聲具有更好的魯棒性。基於新的正則項和誤差度量準則建立子空間表示模型和算法，降低計算負擔，使算法對具有更好的精度和魯棒性。重要創新性成果包括：定義了若干新的度量來刻畫子空間表示矩陣的類間判別性和類內一致特性，設計了新的最佳化模型及其解法，對所提模型的聚類性能進行了理論分析和實驗驗證，對所提算法進行了複雜度、收斂性等理論分析。以上創新性成果對圖像分割和高維數據聚類具有重要的科學意義，在計算機視覺、醫學圖像處理、生物信息等領域有很好的套用前景。在國內外重要期刊和會議上發表論文42 篇，其中SCI檢索的國際期刊論文21篇，TOP期刊2 篇，中科院二區以上11篇，國內EI檢索的核心期刊上發表論文11篇，參加國際會議7次，發表會議論文10篇。授權國家科技發明專利2項。部分成果獲得陝西高等學校科學技術獎二等獎1項。項目主持人受國家公派到美國賓夕法尼亞大學和紐奧良大學訪問一年，交流了項目的研究成果，深化了項目的延申思路，建立了長期的科研合作關係。培養博士研究生10名，碩士研究生13名，其中一名是來華留學博士生。超額完成計畫書預期成果。