基于免疫克隆选择优化和谱聚类的复杂图像分割

《基于免疫克隆选择优化和谱聚类的复杂图像分割》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、ComplexImageSegmentationBasedonImmuneClonalSelectionOptimizationandSpectralClusteringAdissertationsubmittedtoXIDIANUNIVERSITYinpartialfulfillmentoftherequirementsforthedegreeofDoctorofPhilosophyByDengxiaozheng(ElectronicScienceandTechnology)Supervisor:Prof.JiaolichengSeptembe

2、r2014西安电子科技大学学位论文独创性（或创新性）声明秉承学校严谨的学风和优良的科学道德，本人声明所呈交的论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加以标注和致谢中所罗列的内容以外，论文中不包含其他人已经发表或撰写过的研究成果；也不包含为获得西安电子科技大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中做了明确的说明并表示了谢意。学位论文若有不实之处，本人承担一切法律责任。本人签名：日期：西安电子科技大学关于论文使用授权的说明本人完全了解西安电子科技大学有关保留

3、和使用学位论文的规定，即：研究生在校攻读学位期间论文工作的知识产权单位属于西安电子科技大学。学校有权保留送交论文的复印件，允许查阅、借阅论文；学校可以公布论文的全部或部分内容，允许采用影印、缩印或其它复制手段保存论文。同时本人保证，获得学位后结合学位论文研究成果撰写的文章，署名单位为西安电子科技大学。保密的学位论文在年解密后适用本授权书。本人签名：导师签名：日期：日期：摘要摘要近年来，数字图像处理已成为信息科学、计算机科学、生物医学、军事学甚至社会科学等领域中各学科竞相学习和研究的对象。图像分割则是数字图像处理和计算机视觉领域的关键技术和经典难题

4、，其质量决定了更高层的图像分析和理解的效果。图像分割问题可以建模为不同的数学模型，借由不同的优化方法求解。免疫克隆选择优化是最近人工智能研究者研究的新热点和新领域，其借鉴了生物免疫系统内部蕴含丰富的信息处理机理和功能，所以可以提供新颖的解决图像分割问题的方法和途径。另外，谱聚类算法目前在模式识别领域得到了重视，与传统的聚类算法相比，可以应用于非凸且交叠严重的数据集上，而且不会陷入局部最优。但是将其应用于图像分割领域仍然存在不少困难。针对目前图像分割技术普遍存在的若干问题，提出了多种新颖有效的算法和实现策略。本论文的主要工作概括如下：1.很多基于聚

5、类的图像分割算法面对大尺寸图像以及其特征空间内含有大量的噪声和异常点时，往往会影响分割的效率和质量。于是，根据免疫克隆选择理论，提出了一个混合免疫克隆k-medoids聚类算法，并将其应用于图像分割中。该算法有以下几个特点：首先，使用TurboPixels超像素算法将待分割图像进行过分割，其目的是降低空间和时间复杂度；其次，设计了一个合适的变异策略并结合一个新颖的局部启发式搜索算子，新算法可以较快较好的得到全局最优解；最后，被优化求解的对象是k-medoids聚类问题，因为它对噪声和异常点不敏感。在实验部分，选取多个人工数据集和多幅典型图像，并对

6、比经典的k-means算法、RARWGA算法以及GCA算法，新算法都显示出较优的性能。2.聚类算法在对图像进行分割过程中，通常要面对如何自动确定聚类类别数、如何克服图像特征点分布复杂的流形结构、如何减少算法运行的时间。针对上述迫切需要解决的问题，提出了两个流形距离的自动免疫克隆聚类图像分割算法。这两种算法的优点是：第一，可以自动确定聚类个数，不需要人为事先给定；第二，使用流形距离可以反映空间分布复杂的流形数据；第三，使用SLIC超像素而非像素来降低图像的分割时间。通过对多组人工数据集和复杂自然图像进行测试，并对比著名的k-means算法和GCUK

7、算法，结果表明这两种流形距离的自动免疫克隆聚类图像分割算法优势比较明显，具有一定的实用性和先进性。3.彩色图像分割可以看成是对像素点在颜色特征空间的分类问题。所以彩色图像分割方法有两大关键技术需要解决：第一是如何选取合适的颜色特征空间；第二是如何选取合适的像素点分类器。论文中提出了一个基于克隆选择和多重空I西安电子科技大学博士学位论文间构造的彩色图像分割算法，该方法首先将一些经典的颜色分量分为亮度成分、单频光谱成分、双频光谱成分、多频光谱成分，利用主分量分析(PCA)技术分别对这四组分量进行计算，得到最具有识别能力的颜色分量来构造多重颜色空间；然

8、后，对待分割彩色图像选取训练样本，使用克隆选择算法对每类训练样本进行训练，获得全局最佳的聚类中心；最后，使用这些聚类中心对整幅彩色图像进