基于相似度矩阵的谱聚类集成图像分割  

Spectral cluster ensemble image segmentation based on similarity matrix

作　　者：张琦[1] 卢志茂 徐森[2] 刘晨[1] 隋毅[1,3] 

机构地区：[1]哈尔滨工程大学信息与通信工程学院,黑龙江哈尔滨150001 [2]盐城工学院信息工程学院,江苏盐城224051 [3]哈尔滨师范大学教育科学学院,黑龙江哈尔滨150025

出　　处：《传感器与微系统》2013年第10期21-23,26,共4页Transducer and Microsystem Technologies

基　　金：黑龙江省教育厅科学技术研究项目(12511146);国家自然科学基金资助项目(60975042)

摘　　要：针对谱聚类集成算法计算复杂度高,难以应用到大规模图像分割处理的问题,提出一种将MS和基于超边相似度矩阵的谱聚类集成算法(HSMCESA)相结合的彩色图像分割算法(MS-HSMCESA)。首先,采用MS算法对彩色图像进行预分割,计算分割得到的每个区域的所有像素的彩色向量的平均值,以此作为HSMCESA的输入。在HSMCESA的谱分解过程中,通过矩阵变换对特征值分解进行近似求解,大大降低了算法的时间复杂度。对比实验表明:MS-HSMCESA较MS-Kmeans和MS-Ncut算法能获得更好的分割质量。Aiming at problem that spectral cluster ensemble algorithm is hard to be applied in large scale image segmentation processing because of high computational complexity, a new color image segmentation method combining mean shift （MS） and Hyperedges＇ similarity matrix-based custer ensemble spectral algorithm （HSMCESA） named MS-HSMCESA is proposed. First, some regions are obtained through pre-segmentation by MS algorithm. The average value of color vectors in each region are considered as input of HSMCESA. Through matrix transformation, it computes eigenvalues of a small matrix to obtain the eigenvalues of the similarity matrix to reduce the time complexity. Experimental results show that MS-HSMCESA can always obtained better image segmentation quality than MS-Kmeans and MS-Ncut algorithm.

关 键 词：图像分割 MS算法 谱聚类 聚类集成 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]