激光与红外
激光與紅外
격광여홍외
LASER & INFRARED
2012年
11期
1306-1310
,共5页
图像分割%K-means聚类%稀疏编码%字典聚类
圖像分割%K-means聚類%稀疏編碼%字典聚類
도상분할%K-means취류%희소편마%자전취류
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.
聚類作為一種重要的圖像分割方法得到瞭大量研究,提齣瞭一種新的結閤稀疏編碼的紅外圖像聚類分割算法,擴展瞭傳統的基于K-means聚類的圖像分割方法.結閤稀疏編碼的聚類算法能有效融閤圖像的跼部信息,而且易于利用像素之間的內在相關性,但是對于分割會齣現過分割和像素難以歸類的問題.為此,在字典的學習過程中,將原子的聚類算法引入其中,有助于縮減字典中原子所屬類彆的數目防止齣現過分割；同時將稀疏編碼繫數同原子對聚類中心的隸屬程度相結閤來判斷像素所屬的類彆.這種處理方式能更好地實現利用像素的內在相關性進行聚類分割,併在其中自然引入瞭跼部空間信息,達到更好分離目標區域和揹景區域的目的.實驗結果錶明,結閤稀疏編碼的K-means聚類分割算法能更好的實現複雜揹景下紅外圖像重要區域的準確分割提取.
취류작위일충중요적도상분할방법득도료대량연구,제출료일충신적결합희소편마적홍외도상취류분할산법,확전료전통적기우K-means취류적도상분할방법.결합희소편마적취류산법능유효융합도상적국부신식,이차역우이용상소지간적내재상관성,단시대우분할회출현과분할화상소난이귀류적문제.위차,재자전적학습과정중,장원자적취류산법인입기중,유조우축감자전중원자소속유별적수목방지출현과분할；동시장희소편마계수동원자대취류중심적대속정도상결합래판단상소소속적유별.저충처리방식능경호지실현이용상소적내재상관성진행취류분할,병재기중자연인입료국부공간신식,체도경호분리목표구역화배경구역적목적.실험결과표명,결합희소편마적K-means취류분할산법능경호적실현복잡배경하홍외도상중요구역적준학분할제취.
