基于多子空间KL变换的纹理图像自监督分割方法

摘要：

提出一种基于多子空间KL变换的纹理图像自监督分割方法.该方法将非监督聚类转变为有典型特征样本指导的自监督分类,解决误分类率高的问题.采用多子空间方法对样本进行特征选择,克服假设所有纹理特征都属于单个高斯分布的局限性.首先,对待分割图像进行多尺度、多方向的Gabor变换,使用模糊C均值方法从变换结果中提取具有典型性的样本作为训练样本;然后,使用训练样本为每一个类别生成一个单独的初始子空间;最后,采用多子空间KL变换,对其余样本在迭代过程中进行类别划分.实验结果证明,本文方法能够减少误分类率,改善分割效果.

关键词：图像分割、像素特征、模糊C均值、KL变换

所属期刊栏目：12

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家高技术研究发展计划863计划2004AA115130

在线出版日期：2007-11-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：1614-1620