基于图谱理论的图像分割

聚类分析是统计模式识别中无监督模式识别的一个重要分支。基于图谱理论的聚类方法通过构造样本之间的相似图，得到样本的聚类结果。《基于图谱理论的图像分割》主要介绍基于图谱理论的聚类方法，并对模糊理论和进化计算方法在图像分割中的应用进行介绍。《基于图谱理论的图像分割》立足于图划分和谱聚类算法，主要论述基于数据约简的谱聚类算法、非局部空间谱聚类图像分割算法、基于模糊理论的谱聚类图像分割算法和免疫克隆选择图划分算法等内容。

前言
第1章 绪论 1
1.1 聚类分析 1
1.1.1 聚类概况 1
1.1.2 经典聚类算法 3
1.1.3 基于图谱理论的聚类算法 9
1.2 图像分割 11
1.2.1 常用的图像像素特征 11
1.2.2 经典的图像分割方法 12
1.3 本书的主要内容 14
参考文献 15
第2章 基于数据约简的谱聚类算法 19
2.1 谱聚类算法研究现状 19
2.1.1 谱聚类的相似性矩阵构造策略 20
2.1.2 常用的图谱划分准则 24
2.1.3 经典的谱聚类算法 26
2.2 基于分层的模糊聚类约简谱聚类算法 30
2.2.1 谱聚类数据约简框架 30
2.2.2 模糊聚类子集约简策略 31
2.2.3 基于流形距离测度的分层模糊约简谱聚类 33
2.2.4 实验结果与讨论 34
2.3 基于分层的密度约简谱聚类算法 38
2.3.1 基于密度的数据约简策略 38
2.3.2 算法复杂性分析 39
2.3.3 实验结果与讨论 40
2.4 基于区域彩色特征的谱聚类图像分割算法 45
2.4.1 超像素区域获取及其相似性构造 45
2.4.2 隔点采样Nystrom算法 47
2.4.3 算法步骤 48
2.4.4 实验结果与讨论 48
2.5 本章小结 50
参考文献 51
第3章 非局部空间谱聚类图像分割算法 54
3.1 非局部空间权核k均值 55
3.1.1 k均值与权核k均值 55
3.1.2 结合非局部空间信息的权核k均值 56
3.2 基于非局部空间信息的谱聚类图像分割算法 58
3.2.1 谱聚类算法与WKKM_NLS算法之间的等价性 59
3.2.2 结合非局部空间信息的规范化拉普拉斯矩阵 61
3.2.3 非局部空间谱聚类算法的Nystrom实现及复杂度分析 62
3.3 实验结果与讨论 63
3.3.1 合成图像上的实验 63
3.3.2 自然图像分割实验 68
3.3.3 MR图像上的实验 69
3.3.4 与结合空间信息的聚类图像分割算法的比较 71
3.4 本章小结 72
参考文献 72
第4章 结合空间连通性和一致性的谱聚类图像分割算法 75
4.1 基于三维特征空间的谱聚类图像分割算法 75
4.1.1 三维特征空间 75
4.1.2 连通性与一致性度量 77
4.1.3 基于三维特征空间的相似性度量 79
4.1.4 算法主要步骤及复杂度分析 79
4.1.5 实验结果与讨论 80
4.2 基于萤火虫算法的半监督谱聚类图像分割算法 88
4.2.1 半监督信息引入 88
4.2.2 基于萤火虫算法的最小可觉差阈值选取 88
4.2.3 融合连通性和离散性的相似性度量方法 92
4.2.4 算法步骤 93
4.2.5 实验结果与讨论 94
4.3 本章小结 99
参考文献 99
第5章 基于模糊理论的谱聚类图像分割算法 101
5.1 基于区间模糊理论的谱聚类图像分割算法 101
5.1.1 区间二型模糊聚类理论 101
5.1.2 区间模糊相似性构造 102
5.1.3 算法主要步骤 104
5.1.4 实验结果与讨论 104
5.2 基于半监督和模糊理论的谱聚类彩色图像分割算法 107
5.2.1 半监督的区域相似性构造 108
5.2.2 算法主要步骤 109
5.2.3 实验结果与讨论 110
5.3 基于鲁棒空间信息的模糊谱聚类图像分割算法 112
5.3.1 非局部权和图像的构造 112
5.3.2 基于灰度的模糊相似性测度 113
5.3.3 算法步骤与复杂度分析 114
5.3.4 实验结果与讨论 115
5.4 本章小结 125
参考文献 125
第6章 基于局部相似性测度的SAR图像多层分割算法 127
6.1 纹理图像像素间相似性的构造 127
6.1.1 平稳小波纹理特征提取 128
6.1.2 构造依赖局部尺度参数的稀疏邻接矩阵 128
6.2 纹理图像多层分割算法 129
6.2.1 逐层合并 130
6.2.2 逐层精化 131
6.2.3 算法主要步骤 131
6.3 实验结果与讨论 132
6.3.1 人工合成纹理图像分割 132
6.3.2 SAR图像分割 134
6.4 本章小结 136


参考文献 137

……