青海省自然科学基金(2011-z-748)
- 作品数：2 被引量：9H指数：1
- 相关作者：宋长新马克肖鹏秦川更多>>
- 相关机构：青海师范大学更多>>
- 发文基金：青海省自然科学基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 一种新的结合稀疏编码的红外图像聚类分割算法被引量：1
- 2012年
- 聚类作为一种重要的图像分割方法得到了大量研究,提出了一种新的结合稀疏编码的红外图像聚类分割算法,扩展了传统的基于K-means聚类的图像分割方法。结合稀疏编码的聚类算法能有效融合图像的局部信息,而且易于利用像素之间的内在相关性,但是对于分割会出现过分割和像素难以归类的问题。为此,在字典的学习过程中,将原子的聚类算法引入其中,有助于缩减字典中原子所属类别的数目防止出现过分割;同时将稀疏编码系数同原子对聚类中心的隶属程度相结合来判断像素所属的类别。这种处理方式能更好地实现利用像素的内在相关性进行聚类分割,并在其中自然引入了局部空间信息,达到更好分离目标区域和背景区域的目的。实验结果表明,结合稀疏编码的K-means聚类分割算法能更好的实现复杂背景下红外图像重要区域的准确分割提取。
- 宋长新
- 关键词：图像分割K-MEANS聚类
- 结合稀疏编码和空间约束的红外图像聚类分割研究被引量：8
- 2013年
- 提出了结合稀疏编码和空间约束的红外图像聚类分割新算法,在稀疏编码的基础上融合聚类算法,扩展了传统的基于K-means聚类的图像分割方法.结合稀疏编码的聚类分割算法能有效融合图像的局部信息,便于利用像素之间的内在相关性,但是对于分割会出现过分割和像素难以归类的问题.为此,在字典的学习过程中,将原子的聚类算法引入其中,有助于缩减字典中原子所属类别的数目,防止出现过分割;考虑到像素及其邻域像素具有类别属性一致性的特点,引入了空间类别属性约束信息,并给出了一种交替优化算法.联合学习字典、稀疏系数、聚类中心和隶属度,将稀疏编码系数同原子对聚类中心的隶属程度相结合,构造像素归属度来判断像素所属的类别.实验结果表明,该方法能够有效提高红外图像重要区域的分割效果,具有较好的鲁棒性.
- 宋长新马克秦川肖鹏
- 关键词：图像分割聚类
