《基於魯棒相似性測度的含噪圖像分割的譜聚類方法》是依託陝西師範大學，由劉漢強擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：基於魯棒相似性測度的含噪圖像分割的譜聚類方法
- 項目類別：青年科學基金項目
- 項目負責人：劉漢強
- 依託單位：陝西師範大學
項目摘要,結題摘要,
項目摘要
傳統的譜聚類算法套用於圖像分割時，相似性測度的構建沒有利用圖像像素的空間信息，使得算法對於被噪聲污染的圖像無法獲得令人滿意的分割性能。本項目利用圖像中各種有效的空間信息，分別從像素級、灰度級和區域級三種角度構建融合空間信息的相似性測度，提出相應的融合空間信息的譜聚類算法。此外，還將引入一定量的監督信息與圖像的空間信息結合使用，構建更加有效的相似性測度，提出融合空間信息的半監督譜聚類算法。.圖像分割是圖像處理中的重要環節，分割的質量和速度對後續的圖像分析、理解與描述等任務將產生直接的影響。譜聚類是解決圖像分割問題的有效方法之一，本項目充分利用圖像本身蘊含的空間信息和用戶提供的少量監督信息構建相似性測度，旨在解決譜聚類在含噪圖像上的分割問題，因此開展本項目的研究具有一定的理論意義和套用價值。
結題摘要
譜聚類算法建立在譜圖理論基礎上，與傳統的聚類方法相比，它能在非凸的樣本空間上聚類，是近年來機器學習領域的一個新的研究熱點。傳統的譜聚類算法套用於圖像分割時，相似性測度的構建沒有利用圖像本身固有的特性，使得算法對於被噪聲污染的圖像無法獲得令人滿意的分割性能。本項目以譜聚類算法為研究基礎，對基於魯棒相似性測度的含噪圖像分割的譜聚類算法進行研究。項目組成員按照申請書里給出的研究方案和研究計畫進行了研究，在各個方面取得了重要的進展，基本達到了申請書的研究目標，具體內容如下： 首先，為了解決傳統分割方法對於噪聲敏感的問題，充分研究了圖像像素的空間信息，其中包括多種不同形狀鄰域窗的局部空間信息、魯棒的局部空間信息、非局部空間信息和自調節非局部空間信息等，並對這些空間信息中涉及的參數進行分析研究，以減少其對後續聚類圖像分割算法性能的影響；其次，在獲得了有效的空間信息的基礎上，構造基於有效空間信息的相似性測度並提出了基於空間特徵的譜聚類含噪圖像分割算法和基於魯棒空間信息的模糊譜聚類算法。本項目也將多種空間信息引入到模糊聚類目標函式中，提出了多種融合空間信息的模糊聚類圖像分割方法和基於空間信息的多目標進化模糊聚類圖像分割算法；再次，從最佳化的角度來考慮譜聚類算法中的圖劃分準則，引入免疫克隆選擇算法和用戶提供的監督信息，分別提出了免疫克隆選擇圖劃分方法和半監督免疫克隆選擇圖劃分方法；最後，利用分水嶺或超像素等方法獲得圖像的過分割區域，通過研究圖像中的區域信息，提出了基於超像素的自適應彩色圖像分割方法、基於分水嶺過分割的多目標模糊核聚類和基於過分割的多目標閾值圖像分割算法。 通過本項目的研究，研究成果中充分利用了圖像本身蘊含的空間信息和用戶提供的少量監督信息，通過構建相似性測度或模糊聚類目標函式，旨在解決譜聚類和模糊聚類在含噪圖像上的分割問題，為後續的圖像分析、理解與描述提供有效的數據，因此開展本項目的研究具有一定的理論意義和套用價值。
