基于譜聚類和字典學習的圖像分割.pdf

1、在圖像去噪、圖像修補和超分辨率重構等領域，字典學習算法已經獲得了很好的應用，而在對圖像的分割方面應用較少。因為可以認字典學習和稀疏表示是對圖像信息結構的一種稀疏刻畫，將字典學習和稀疏表示的思想應用到圖像分割問題中，因此我們將字典學習與近幾年研究得比較多、應用逐漸廣泛的譜聚類算法結合，以圖像分割為應用背景，對字典學習和譜聚類的各種切合點進行了研究。
　　 本論文的主要工作概括如下：
　　 (1)提出了一種基于字典學習采樣譜

2、聚類的圖像分割算法，該算法引入字典學習方法，對全局數據進行字典學習，以獲得具有全局結構信息的字典，再從數據集中尋找與字典原子相近的點作為采樣點，并且自適應判斷采樣點信息量是否飽和。實驗結果表明，該算法相比Nystrom譜聚類算法準確率有較大提高。
　　 (2)提出了一種基于雙字典學習譜聚類的圖像分割算法，因為在一幅圖像中，有很大一部分信息都包含在邊緣部分，該算法首先利用邊緣檢測方法將圖像分為邊緣和區(qū)域兩部分，然后引入字典學習方法

3、，對邊緣和區(qū)域分別進行學習，再根據數據與字典原子的距離得到采樣點。實驗結果表明，該算法相比Nystrom譜聚類算法準確率有較大提高。
　　 (3)提出了一種基于譜聚類和判別字典學習的圖像分割算法，該算法利用塊取樣提取特征的方法取代以往的大量提取特征時間，根據譜聚類算法獲得樣本標記與字典，再對所有數據進行類別判別，得到最終的圖像分割結果。實驗結果表明，該算法相對于Nystrom譜聚類算法和k-means采樣Nystrom譜聚類算法