-
题名判别割(Dcut)的图像分割及其快速分割算法
被引量：4
- 1
-
-
作者
邹小林
陈伟福
冯国灿
-
机构
中山大学数学与计算科学学院
肇庆学院数学与信息科学学院
-
出处
《中国图象图形学报》
CSCD
北大核心
2012年第2期222-228,共7页
-
基金
国家自然科学基金项目(60975083
U0835005)
-
文摘
谱聚类算法在模式识别和图像分割中得到了广泛应用。谱聚类算法能在任意形状的样本空间上聚类且收敛于全局最优解。采用一个新的谱聚类算法Dcut进行图像分割。Dcut完全满足聚类算法的一般准则:类内样本间的相似度大,类间样本的相似度小,因此Dcut在图像分割方面比Ncut具有更好的分组性能。为了克服Dcut分割速度慢,提出基于子空间的Dcut(SDcut)和基于分块的SDcut(BSDcut)两种快速算法。SDcut和BSDcut这两种快速算法具有Dcut的分组性能的同时,降低了分割图像的计算复杂度。通过对纹理图像和真实图像的分割,验证了新算法的有效性。
-
关键词
谱聚类
dcut
Sdcut
BSdcut
子空间
图像分割
-
Keywords
spectral clustering
dcut
SDeut
BSdcut
subspace
image segmentation
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名融合SLIC的DCUT改进图像分割算法
被引量：2
- 2
-
-
作者
邹小林
-
机构
肇庆学院数学与统计学院
-
出处
《新疆大学学报（自然科学版）》
CAS
北大核心
2017年第1期78-83,95,共7页
-
基金
广东省教育厅"创新强校工程"特色创新项目(2014KTSCX190)
广东省教学质量与教学改革工程建设项目应用型人才培养示范专业(50)
+1 种基金
肇庆市科技创新计划项目(214)
肇庆学院自然科学青年基金项目(201321)资助
-
文摘
谱聚类DCUT算法能在任意形状的样本空间上聚类且收敛于全局最优解,但其缺点是计算相似度矩阵和特征向量的复杂度较高.为了提高了DCUT的算法速度,提出了基于SLIC的DCUT算法(SDCUT).SDCUT算法首先采用SLIC算法分割图像成超像素,再根据任意两个超像素的归一化直方图计算Pearson系数作为超像素之间的相似度,从而建立基于超像素的相似度矩阵,最后采用DCUT算法对超像素进行分类获得最终分割结果.在一系列图像上的实验结果表明,与几种经典谱聚类算法相比,本文方法的分割速度更快,且具有较好的分割效果.
-
关键词
SLIC
判别割
Pearson系数
-
Keywords
SLIC
dcut
Pearson coefficient
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名基于谱聚类的多阈值图像分割方法
被引量：7
- 3
-
-
作者
邹小林
陈伟福
冯国灿
刘志勇
汤鑫
-
机构
中山大学数学与计算科学学院
肇庆学院数学与信息科学学院
广东省计算科学重点实验室
深圳职业技术学院工业中心
-
出处
《计算机科学》
CSCD
北大核心
2012年第3期246-248,259,共4页
-
基金
国家自然科学基金项目(60975083,U0835005)资助
-
文摘
阈值法是图像分割的一种重要方法,在图像处理与目标识别中广为应用。因此,如何确定阈值是图像分割的关键。提出了一种新的图像阈值分割方法,即通过采用新的相似度函数的谱聚类算法(Dcut)确定图像阈值。采用基于灰度级的权值矩阵代替常用的基于图像像素级的权值矩阵描述图像像素的关系,因而算法需要的存储空间及实现的复杂性与其它基于图的图像分割方法相比大大减少。实验表明,该方法分割图像的时间少,且能够单阈值和多阈值分割图像,与现有的阈值分割方法相比,其具有更为优越的分割性能。
-
关键词
图像阈值分割
多阈值
谱聚类
dcut
-
Keywords
Image thresholding segmentation, Multilevel thresholding, Spectral clustering, Deut
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名改进的判别割及其在图像分割中的应用
被引量：3
- 4
-
-
作者
邹小林
-
机构
肇庆学院数学与信息科学学院
-
出处
《计算机应用》
CSCD
北大核心
2012年第8期2291-2295,2298,共6页
-
基金
国家自然科学基金资助项目(60975083)
-
文摘
谱聚类算法能在任意形状的样本空间上聚类且收敛于全局最优解,但判别割(Dcut)算法在计算正则化相似度矩阵及其特征向量时比较耗时,而基于子空间的Dcut(SDcut)算法则不稳定,为此,提出基于主成分分析(PCA)的Dcut算法(PCA-Dcut)。PCA-Dcut算法采用PCA算法计算相似度矩阵的前m个大的特征值对应的特征向量构造一个新的矩阵,然后采用构造的矩阵与相似度矩阵和拉普拉斯矩阵分别进行矩阵运算;接着通过计算获得一个m阶正则化相似度矩阵,并计算该矩阵的k个最大特征向量;最后使用构造的矩阵与这k个特征向量相乘获得最终用于分类的特征向量。PCA-Dcut算法能降低Dcut算法的计算复杂度。通过对人工合成数据集、UCI数据集和真实图像的仿真实验表明,PCA-Dcut算法的聚类准确率与Dcut等谱聚类算法相当,同时在分割图像时的运算速度约为Dcut的5.4倍,并具有比SDcut更快的速度和更好的性能。
-
关键词
谱聚类
判别割算法
主成分分析
图像分割
-
Keywords
spectral clustering
Discriminant cut （dcut） algorithm
Principal Component Analysis （PCA）
imagesegmentation
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
