结合稀疏编码和空间约束的红外图像聚类分割研究

摘要：

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.

关键词：图像分割、稀疏编码、聚类、空间约束

在线出版日期：2013-03-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：69-78