一种改进的Nystrom谱聚类图像分割算法

计算机与现代化

一种改进的Nystrom谱聚类图像分割算法

云南财经大学信息学院，云南昆明650221

收稿日期:2013-12-27 出版日期:2014-04-17 发布日期:2014-04-23
作者简介:作者简介：印世乐(1989)，男，湖北仙桃人，云南财经大学信息学院硕士研究生，研究方向：数据挖掘；曾志勇(1974)，男，教授，博士，研究方向：决策支持，数据挖掘，并行计算。
基金资助:

基金项目：2010年教育部人文社会科学研究青年基金资助项目(10YJCZH004)；云南财经大学科研基金重点项目(YC10A003)

An Improved Nystrom Spectral Clustering for Image Segmentation

School of Information and Technology, Yunnan University of Finance and Economics, Kunming 650221, China

Received:2013-12-27 Online:2014-04-17 Published:2014-04-23

摘要/Abstract

摘要：

摘要：基于图论的图像谱分割是近年来研究热点。本文针对在高分辨率图像的分割中，相似度矩阵和拉普拉斯矩阵的构造数据量大，比较耗时的缺点，提出用基于方差增量的Nystrom方法有效减少矩阵规模，并且采用基于余弦相似度构造权值矩阵，避免了传统的利用高斯公式需人工选择尺度参数。最后，通过在Berkeley图像库上的图像分割实验表明了本算法的可行性和有效性。

关键词: 谱聚类, 余弦相似度, Nystrom方法, 增量抽样

Abstract:

Spectral graph theoretic methods have recently shown great promise for the image segmentation. This paper focuses on the disadvantage that the similarity matrix and the Laplacian matrix constructed complex and waste of time in high resolution image segmentation, so presents a Nystrom method based on variance incremental to reduce the scale of the matrix. Then based on cosine similarity to attain similarity matrix, the use of traditional Gauss formula to artificial selection scale parameter is avoided. Lastly, experimental results on Berkeley image database show the validity of the algorithm.

Key words: Key words: spectral cluster, cosine similarity, Nystrom method, incremental sampling

中图分类号:

TP391

印世乐，曾志勇. 一种改进的Nystrom谱聚类图像分割算法[J]. 计算机与现代化.

YIN Shile， ZENG Zhiyong. An Improved Nystrom Spectral Clustering for Image Segmentation[J]. Computer and Modernization.

参考文献

［1］

张洪刚,陈光,郭军. 图像处理与识别［M］. 北京:北京邮电大学出版社, 2006.

［2］闫成新,桑农,张天序. 基于图论的图像分割研究进展［J］. 计算机工程与应用, 2006,42(5):1114.

［3］ Tan P N. Introduction to Data Mining［M］. Pearson Education India, 2007.

［4］ Shi J, Malik J. Normalized cuts and image segmentation［J］. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2000,22(8):888905.

［5］蔡晓妍,戴冠中,杨黎斌. 谱聚类算法综述［J］. 计算机科学, 2008,35(7):1418.

［6］李纯,卢志茂,杨朋. 基于快速谱聚类的图像分割算法［J］. 应用科技, 2012,39(2):2630.

［7］ Von Luxburg U. A tutorial on spectral clustering［J］. Statistics and Computing, 2007,17(4):395416.

［8］陈姿羽,黄靖,李伟鹏. 一种改进的自适应谱聚类图像分割算法［J］. 南方医科大学学报, 2012,32(5):655658.

［9］卜德云,张道强. 自适应谱聚类算法研究［J］. 山东大学学报: 工学版, 2009,39(5):2226.

［10］Fowlkes C, Belongie S, Chung F, et al. Spectral grouping using the Nystrom method［J］. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2004,26(2):214225.

［11］Berry M W. Largescale sparse singular value computations［J］. International Journal of Supercomputer Applications, 1992,6(1):1349.

［12］De la Torre F. A leastsquares framework for component analysis［J］. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2012,34(6):10411055.

［13］Zhang X, Li D, Yang W, et al. A fast segmentation method for highresolution color images of foreign fibers in cotton［J］. Computers and Electronics in Agriculture, 2011,78(1):7179.

［14］Chen W Y, Song Y, Bai H, et al. Parallel spectral clustering in distributed systems［J］. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2011,33(3):568586.

[1]	田丰, 邓晓平, 张桂青, 王保义. 基于改进kNN算法与暂稳态特征的非侵入式负荷监测方法[J]. 计算机与现代化, 2022, 0(10): 29-35.
[2]	李一野1，2，邓浩江1，2. 基于改进余弦相似度的协同过滤推荐算法[J]. 计算机与现代化, 2020, 0(01): 69-.
[3]	谢浩然1，卫巍2，杨志辉3，邓居智1，葛坤朋1. 基于TF-IDF的新型广播电视节目协同推荐流程[J]. 计算机与现代化, 2019, 0(09): 65-.
[4]	杨雨诗,何博侠,周鑫，刘慧丽，葛方丽. 基于词库匹配的网络文本分类及预测[J]. 计算机与现代化, 2017, 0(10): 72-75.
[5]	杨宇鹏;赵卫东;王志成;陈刚. 基于图论的Normalized Cut图像分割方法研究[J]. 计算机与现代化, 2010, 1(01): 113-116.