基于多层次聚类的纹理图像分割算法

发布时间：2018-09-08 18:10

【摘要】：提出了一种基于多层次聚类的算法,此算法相对传统算法降低了空间和时间复杂度,并减少了对参数的敏感度,适合处理大规模数据集.该算法包括粗分、代表点聚类和细分三个阶段.首先,利用亲和传播聚类(AP)算法对所有数据进行粗分,为了节省空间和时间,仅考虑每个点和离自己最近的t个近邻之间的相似度,所以构造的相似度矩阵远远小于原始AP算法所构造的相似度矩阵;其次,为了进一步提高效率和性能,在第二阶段采用密度峰值算法(FDP)对上一阶段所得结果进行再划分;最后,结合两个阶段划分的结果得到所有数据的划分.实验表明:所提算法可以快速准确地进行图像分割,和经典聚类算法FCM(模糊C均值)、Kmeans以及SOM(自组织映射)的对比实验也证明了所提算法的有效性.
[Abstract]:An algorithm based on multi-level clustering is proposed, which reduces the complexity of space and time, reduces the sensitivity of parameters, and is suitable for dealing with large-scale data sets. The algorithm includes three stages: coarse division, point clustering and subdivision. Firstly, the affinity propagation clustering (AP) algorithm is used to divide all the data. In order to save space and time, only the similarity between each point and the nearest neighbor is considered. Therefore, the constructed similarity matrix is much smaller than that constructed by the original AP algorithm. Secondly, in order to further improve the efficiency and performance, the density peak algorithm (FDP) is used to subdivide the results of the previous stage in the second stage. Combined with the result of two stages division, all the data are divided. The experimental results show that the proposed algorithm can segment images quickly and accurately, and compared with the classical clustering algorithms FCM (fuzzy C-means) and SOM (self-organizing mapping), the effectiveness of the proposed algorithm is also proved.
【作者单位】： 西安电子科技大学计算机学院;西北师范大学计算机科学与工程学院;
【基金】：国家自然科学基金资助项目(61272119,61402350,61662068)
【分类号】：TP391.41

【相似文献】

相关期刊论文 前10条

1 李仲;图像分割的妙法[J];电脑知识与技术;2000年S2期

2 唐伟力;龙建忠;;一种基于降雨模型的图像分割方法在砾岩图像分割中的应用[J];成都信息工程学院学报;2007年02期

3 黄晓莉;曾黄麟;王秀碧;刘永春;;基于脉冲耦合神经网络的图像分割[J];信息技术;2008年09期

4 肖飞;綦星光;;图像分割方法综述[J];可编程控制器与工厂自动化;2009年11期

5 汪一休;;一种交互式图像分割的修正优化方法[J];中国科学技术大学学报;2010年02期

6 李丹;;图像分割方法及其应用研究[J];科技信息;2010年36期

7 龚永义;黄辉;于继明;关履泰;;基于熵的两区域图像分割[J];中国图象图形学报;2011年05期

8 张甫;李兴来;陈佳君;;浅谈图像分割方法的研究运用[J];科技创新与应用;2012年04期

9 汪梅;何高明;贺杰;;常见图像分割的技术分析与比较[J];计算机光盘软件与应用;2013年06期

10 魏庆;卢照敢;邵超;;基于复杂性指数的图像分割必要性判别技术[J];计算机工程与应用;2013年16期

相关会议论文 前10条

1 杨魁;赵志刚;;图像分割技术综述[A];2008年中国高校通信类院系学术研讨会论文集（下册）[C];2009年

2 杨暄;郭成安;李建华;;改进的脉冲耦合神经网络及其在图像分割中的应用[A];第十届全国信号处理学术年会（CCSP-2001）论文集[C];2001年

3 杨生友;;图像分割在医学图像中应用现状综述[A];2009中华医学会影像技术分会第十七次全国学术大会论文集[C];2009年

4 闫平昆;;基于模型的图像分割技术及其医学应用[A];第十五届全国图象图形学学术会议论文集[C];2010年

5 高岚;胡友为;潘峰;卢凌;;基于小生境遗传算法的SAR图像分割[A];可持续发展的中国交通——2005全国博士生学术论坛（交通运输工程学科）论文集（下册）[C];2005年

6 孙莉;张艳宁;胡伏原;赵荣椿;;基于Gaussian-Hermite矩的SAR图像分割[A];第十三届全国图象图形学学术会议论文集[C];2006年

7 李盛;;基于协同聚类的图像分割[A];第十四届全国图象图形学学术会议论文集[C];2008年

8 张利;许家佗;;舌象图像分割技术的研究与应用进展[A];中华中医药学会中医诊断学分会第十次学术研讨会论文集[C];2009年

9 秦昆;李振宇;李辉;李德毅;;基于云模型和格网划分的图像分割方法[A];《测绘通报》测绘科学前沿技术论坛摘要集[C];2008年

10 高惠琳;窦丽华;陈文颉;谢刚;;图像分割技术在医学CT中的应用[A];中国自动化学会控制理论专业委员会A卷[C];2011年

相关博士学位论文 前10条

1 白雪飞;基于视觉显著性的图像分割方法研究[D];山西大学;2014年

2 王辉;图像分割的最优化和水平集方法研究[D];电子科技大学;2014年

3 高婧婧;脑部MR图像分割理论研究[D];电子科技大学;2014年

4 潘改;偏微分方程在图像分割中的应用研究[D];东北大学;2013年

5 李伟斌;图像分割中的变分模型与快速算法研究[D];国防科学技术大学;2014年

6 邓晓政;基于免疫克隆选择优化和谱聚类的复杂图像分割[D];西安电子科技大学;2014年

7 李积英;融合量子衍生及DNA计算速率的智能算法在图像分割中的研究[D];兰州交通大学;2014年

8 王晓坤;基于宽视场拼接成像的目标分割与跟踪算法研究[D];长春理工大学;2016年

9 吴永飞;图像分割的变分模型及数值实现[D];重庆大学;2016年

10 李忠兵;聚焦超声无创治疗肿瘤的超声图像分割方法研究[D];武汉大学;2014年

相关硕士学位论文 前10条

1 王聪聪;手机上的交互式图像分割方法研究[D];华中科技大学;2013年

2 廖小波;基于贝叶斯最优统计的图切法图像分割研究[D];昆明理工大学;2015年

3 姜士辉;基于Android系统的立木图像分割方法研究[D];东北林业大学;2015年

4 路亚缇;基于粒子群优化算法的最大熵多阈值图像分割研究[D];郑州大学;2015年

5 刘超;基于阈值图像分割的研究及在苹果定位中的应用[D];东华理工大学;2015年

6 何妮;结合显著性目标检测与图像分割的服饰提取算法研究及实现[D];西南交通大学;2015年

7 刘晓磊;基于MRF随机场模型的机器人视觉图像分割方法研究[D];西安建筑科技大学;2015年

8 王周楠;数字图像处理的研究仿真[D];中国地质大学(北京);2015年

9 许素素;改进的模糊C均值聚类算法在图像分割中的应用[D];长安大学;2015年

10 齐国红;基于FCM和SVM相结合的作物病害图像分割方法研究[D];郑州大学;2015年

，

本文编号：2231292