聚類(lèi)分析是統(tǒng)計(jì)模式識(shí)別中無(wú)監(jiān)督模式識(shí)別的一個(gè)重要分支;趫D譜理論的聚類(lèi)方法通過(guò)構(gòu)造樣本之間的相似圖,得到樣本的聚類(lèi)結(jié)果。本書(shū)主要介紹基于圖譜理論的聚類(lèi)方法,并對(duì)模糊理論和進(jìn)化計(jì)算方法在圖像分割中的應(yīng)用進(jìn)行介紹。本書(shū)立足于圖劃分和譜聚類(lèi)算法,主要論述基于數(shù)據(jù)約簡(jiǎn)的譜聚類(lèi)算法、非局部空間譜聚類(lèi)圖像分割算法、基于模糊理論的譜聚類(lèi)圖像分割算法和免疫克隆選擇圖劃分算法等內(nèi)容。
更多科學(xué)出版社服務(wù),請(qǐng)掃碼獲取。
目錄
前言
第1章 緒論 1
1.1 聚類(lèi)分析 1
1.1.1 聚類(lèi)概況 1
1.1.2 經(jīng)典聚類(lèi)算法 3
1.1.3 基于圖譜理論的聚類(lèi)算法 9
1.2 圖像分割 11
1.2.1 常用的圖像像素特征 11
1.2.2 經(jīng)典的圖像分割方法 12
1.3 本書(shū)的主要內(nèi)容 14
參考文獻(xiàn) 15
第2章 基于數(shù)據(jù)約簡(jiǎn)的譜聚類(lèi)算法 19
2.1 譜聚類(lèi)算法研究現(xiàn)狀 19
2.1.1 譜聚類(lèi)的相似性矩陣構(gòu)造策略 20
2.1.2 常用的圖譜劃分準(zhǔn)則 24
2.1.3 經(jīng)典的譜聚類(lèi)算法 26
2.2 基于分層的模糊聚類(lèi)約簡(jiǎn)譜聚類(lèi)算法 30
2.2.1 譜聚類(lèi)數(shù)據(jù)約簡(jiǎn)框架 30
2.2.2 模糊聚類(lèi)子集約簡(jiǎn)策略 31
2.2.3 基于流形距離測(cè)度的分層模糊約簡(jiǎn)譜聚類(lèi) 33
2.2.4 實(shí)驗(yàn)結(jié)果與討論 34
2.3 基于分層的密度約簡(jiǎn)譜聚類(lèi)算法 38
2.3.1 基于密度的數(shù)據(jù)約簡(jiǎn)策略 38
2.3.2 算法復(fù)雜性分析 39
2.3.3 實(shí)驗(yàn)結(jié)果與討論 40
2.4 基于區(qū)域彩色特征的譜聚類(lèi)圖像分割算法 45
2.4.1 超像素區(qū)域獲取及其相似性構(gòu)造 45
2.4.2 隔點(diǎn)采樣Nystrom算法 47
2.4.3 算法步驟 48
2.4.4 實(shí)驗(yàn)結(jié)果與討論 48
2.5 本章小結(jié) 50
參考文獻(xiàn) 51
第3章 非局部空間譜聚類(lèi)圖像分割算法 54
3.1 非局部空間權(quán)核k均值 55
3.1.1 k均值與權(quán)核k均值 55
3.1.2 結(jié)合非局部空間信息的權(quán)核k均值 56
3.2 基于非局部空間信息的譜聚類(lèi)圖像分割算法 58
3.2.1 譜聚類(lèi)算法與WKKM_NLS算法之間的等價(jià)性 59
3.2.2 結(jié)合非局部空間信息的規(guī)范化拉普拉斯矩陣 61
3.2.3 非局部空間譜聚類(lèi)算法的Nystrom實(shí)現(xiàn)及復(fù)雜度分析 62
3.3 實(shí)驗(yàn)結(jié)果與討論 63
3.3.1 合成圖像上的實(shí)驗(yàn) 63
3.3.2 自然圖像分割實(shí)驗(yàn) 68
3.3.3 MR圖像上的實(shí)驗(yàn) 69
3.3.4 與結(jié)合空間信息的聚類(lèi)圖像分割算法的比較 71
3.4 本章小結(jié) 72
參考文獻(xiàn) 72
第4章 結(jié)合空間連通性和一致性的譜聚類(lèi)圖像分割算法 75
4.1 基于三維特征空間的譜聚類(lèi)圖像分割算法 75
4.1.1 三維特征空間 75
4.1.2 連通性與一致性度量 77
4.1.3 基于三維特征空間的相似性度量 79
4.1.4 算法主要步驟及復(fù)雜度分析 79
4.1.5 實(shí)驗(yàn)結(jié)果與討論 80
4.2 基于螢火蟲(chóng)算法的半監(jiān)督譜聚類(lèi)圖像分割算法 88
4.2.1 半監(jiān)督信息引入 88
4.2.2 基于螢火蟲(chóng)算法的最小可覺(jué)差閾值選取 88
4.2.3 融合連通性和離散性的相似性度量方法 92
4.2.4 算法步驟 93
4.2.5 實(shí)驗(yàn)結(jié)果與討論 94
4.3 本章小結(jié) 99
參考文獻(xiàn) 99
第5章 基于模糊理論的譜聚類(lèi)圖像分割算法 101
5.1 基于區(qū)間模糊理論的譜聚類(lèi)圖像分割算法 101
5.1.1 區(qū)間二型模糊聚類(lèi)理論 101
5.1.2 區(qū)間模糊相似性構(gòu)造 102
5.1.3 算法主要步驟 104
5.1.4 實(shí)驗(yàn)結(jié)果與討論 104
5.2 基于半監(jiān)督和模糊理論的譜聚類(lèi)彩色圖像分割算法 107
5.2.1 半監(jiān)督的區(qū)域相似性構(gòu)造 108
5.2.2 算法主要步驟 109
5.2.3 實(shí)驗(yàn)結(jié)果與討論 110
5.3 基于魯棒空間信息的模糊譜聚類(lèi)圖像分割算法 112
5.3.1 非局部權(quán)和圖像的構(gòu)造 112
5.3.2 基于灰度的模糊相似性測(cè)度 113
5.3.3 算法步驟與復(fù)雜度分析 114
5.3.4 實(shí)驗(yàn)結(jié)果與討論 115
5.4 本章小結(jié) 125
參考文獻(xiàn) 125
第6章 基于局部相似性測(cè)度的SAR圖像多層分割算法 127
6.1 紋理圖像像素間相似性的構(gòu)造 127
6.1.1 平穩(wěn)小波紋理特征提取 128
6.1.2 構(gòu)造依賴(lài)局部尺度參數(shù)的稀疏鄰接矩陣 128
6.2 紋理圖像多層分割算法 129
6.2.1 逐層合并 130
6.2.2 逐層精化 131
6.2.3 算法主要步驟 131
6.3 實(shí)驗(yàn)結(jié)果與討論 132
6.3.1 人工合成紋理圖像分割 132
6.3.2 SAR圖像分割 134
6.4 本章小結(jié) 136
參考文獻(xiàn) 137
第7章 免疫克隆選擇圖劃分算法 138
7.1 人工免疫系統(tǒng) 139
7.1.1 人工免疫系統(tǒng)的研究背景及內(nèi)容 139
7.1.2 人工免疫系統(tǒng)算法的研究 139
7.1.3 人工免疫系統(tǒng)算法與傳統(tǒng)進(jìn)化算法的比較 141
7.2 基于免疫克隆選擇的圖劃分算法 141
7.2.1 適應(yīng)度函數(shù) 142
7.2.2 編碼及免疫算子設(shè)計(jì) 142
7.2.3 抗體修正算子設(shè)計(jì) 143
7.2.4 算法步驟及復(fù)雜度分析 146
7.2.5 實(shí)驗(yàn)結(jié)果與討論 147
7.3 基于免疫克隆選擇的半監(jiān)督圖劃分算法 154
7.3.1 成對(duì)限制先驗(yàn)信息 154
7.3.2 基于成對(duì)限制先驗(yàn)信息的相似性測(cè)度 155
7.3.3 實(shí)驗(yàn)結(jié)果與討論 156
7.4 本章小結(jié) 158
參考文獻(xiàn) 159