收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于免疫克隆选择优化和谱聚类的复杂图像分割

邓晓政  
【摘要】:近年来,数字图像处理已成为信息科学、计算机科学、生物医学、军事学甚至社会科学等领域中各学科竞相学习和研究的对象。图像分割则是数字图像处理和计算机视觉领域的关键技术和经典难题,其质量决定了更高层的图像分析和理解的效果。图像分割问题可以建模为不同的数学模型,借由不同的优化方法求解。免疫克隆选择优化是最近人工智能研究者研究的新热点和新领域,其借鉴了生物免疫系统内部蕴含丰富的信息处理机理和功能,所以可以提供新颖的解决图像分割问题的方法和途径。另外,谱聚类算法目前在模式识别领域得到了重视,与传统的聚类算法相比,可以应用于非凸且交叠严重的数据集上,而且不会陷入局部最优。但是将其应用于图像分割领域仍然存在不少困难。针对目前图像分割技术普遍存在的若干问题,提出了多种新颖有效的算法和实现策略。本论文的主要工作概括如下:1.很多基于聚类的图像分割算法面对大尺寸图像以及其特征空间内含有大量的噪声和异常点时,往往会影响分割的效率和质量。于是,根据免疫克隆选择理论,提出了一个混合免疫克隆k-medoids聚类算法,并将其应用于图像分割中。该算法有以下几个特点:首先,使用TurboPixels超像素算法将待分割图像进行过分割,其目的是降低空间和时间复杂度;其次,设计了一个合适的变异策略并结合一个新颖的局部启发式搜索算子,新算法可以较快较好的得到全局最优解;最后,被优化求解的对象是k-medoids聚类问题,因为它对噪声和异常点不敏感。在实验部分,选取多个人工数据集和多幅典型图像,并对比经典的k-means算法、RARWGA算法以及GCA算法,新算法都显示出较优的性能。2.聚类算法在对图像进行分割过程中,通常要面对如何自动确定聚类类别数、如何克服图像特征点分布复杂的流形结构、如何减少算法运行的时间。针对上述迫切需要解决的问题,提出了两个流形距离的自动免疫克隆聚类图像分割算法。这两种算法的优点是:第一,可以自动确定聚类个数,不需要人为事先给定;第二,使用流形距离可以反映空间分布复杂的流形数据;第三,使用SLIC超像素而非像素来降低图像的分割时间。通过对多组人工数据集和复杂自然图像进行测试,并对比著名的k-means算法和GCUK算法,结果表明这两种流形距离的自动免疫克隆聚类图像分割算法优势比较明显,具有一定的实用性和先进性。3.彩色图像分割可以看成是对像素点在颜色特征空间的分类问题。所以彩色图像分割方法有两大关键技术需要解决:第一是如何选取合适的颜色特征空间;第二是如何选取合适的像素点分类器。论文中提出了一个基于克隆选择和多重空间构造的彩色图像分割算法,该方法首先将一些经典的颜色分量分为亮度成分、单频光谱成分、双频光谱成分、多频光谱成分,利用主分量分析(PCA)技术分别对这四组分量进行计算,得到最具有识别能力的颜色分量来构造多重颜色空间;然后,对待分割彩色图像选取训练样本,使用克隆选择算法对每类训练样本进行训练,获得全局最佳的聚类中心;最后,使用这些聚类中心对整幅彩色图像进行分割。由于该方法结合了克隆选择算法的非线性分类能力,通过对彩色图像自适应的构造最佳多重颜色空间,能够快速有效的得到分割结果,克服了传统分割方法的缺点。通过实验表明,新方法对彩色图像同质区的分割均匀,边缘保持度好。此外,新方法对彩色图像的亮度和纹理变化不敏感,鲁棒性较强。4.使用谱聚类算法对SAR图像进行分割,存在几个需要解决的问题:使用逼近的谱聚类算法虽然可以降低计算复杂度,但分割结果会受到随机采样的影响;谱聚类算法对核函数的尺度参数比较敏感;空间信息的权重如何选择。据此,提出了一个基于非负矩阵分解的谱聚类集成SAR图像分割算法。根据集成学习理论,首先按照不同的采样点集合、随机尺度参数、随机空间信息权重等策略产生具有多样性的分割个体,避免了精确人工选择,然后使用具有明确物理意义的非负矩阵分解的方法来合并这些分割结果,得到最终的集成结果。通过对纹理图像和SAR图像的仿真实验表明,该算法无论是定性还是定量分析都是较好的。Nystrom??


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 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
2 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
3 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
4 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
5 李丹;;图像分割方法及其应用研究[J];科技信息;2010年36期
6 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
7 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
8 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
9 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
10 陈晓丹;李思明;;图像分割研究进展[J];现代计算机(专业版);2013年33期
11 李保洲,王建琦,邓雁萍;基于关联度分析的图像分割性能评估[J];上海交通大学学报;2000年06期
12 程宏煌,戴卫恒,姚甦甦;图像分割方法综述[J];电信快报;2000年10期
13 华长发;范建平;高传善;吴立德;;基于二维熵阈值的图像分割及其快速算法[J];模式识别与人工智能;2000年01期
14 何艳阳,王景熙,罗渝兰,屈冰;生物仿真神经网络图像分割方法中的参数自动确定[J];四川师范大学学报(自然科学版);2001年02期
15 欧阳鑫玉,赵楠楠,宋蕾,谢元旦;图像分割技术的发展[J];鞍山钢铁学院学报;2002年05期
16 耿茵茵,蔡安妮,孙景鳌;基于瓦罐模型的多判据判决及其在图像分割中的应用[J];电子学报;2002年07期
17 罗渝兰,王景熙,郑昌琼;图像分割在生物医学工程中的应用[J];计算机应用;2002年08期
18 柯行斌,王汝传;白细胞图像分割的研究与实现[J];南京邮电学院学报;2003年03期
19 张新峰,沈兰荪;图像分割技术研究[J];电路与系统学报;2004年02期
20 魏弘博,吕振肃,蒋田仔,刘新艳;图像分割技术纵览[J];甘肃科学学报;2004年02期
中国重要会议论文全文数据库 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
中国博士学位论文全文数据库 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 黄万里;基于高分卫星数据多尺度图像分割方法的天山森林小班边界提取研究[D];福建师范大学;2015年
3 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
4 高婧婧;脑部MR图像分割理论研究[D];电子科技大学;2014年
5 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
6 冯籍澜;高分辨率SAR图像分割与分类方法研究[D];电子科技大学;2015年
7 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
8 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
9 侯叶;基于图论的图像分割技术研究[D];西安电子科技大学;2011年
10 裴继红;基于模糊信息处理的图像分割方法研究[D];西安电子科技大学;1998年
中国硕士学位论文全文数据库 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
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978