• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>International conference on graphic and image processing >Multi scales based sparse matrix spectral clustering image segmentation
【24h】

Multi scales based sparse matrix spectral clustering image segmentation

机译：基于多尺度的稀疏矩阵谱聚类图像分割

获取原文
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

In image segmentation, spectral clustering algorithms have to adopt the appropriate scaling parameter to calculate the similarity matrix between the pixels, which may have a great impact on the clustering result. Moreover, when the number of data instance is large, computational complexity and memory use of the algorithm w ill greatly increase. To solve these two problems, we proposed a new spectral clustering image segmentation algorithm based on multi scales and sparse matrix. We devised a new feature extraction method at first, then extracted the features of image on different scales, at last, using the feature information to construct sparse similarity matrix which can improve the operation efficiency. Compared with traditional spectral clustering algorithm, image segmentation experimental results show our algorithm have better degree of accuracy and robustness.
机译：在图像分割中，光谱聚类算法必须采用适当的缩放参数来计算像素之间的相似度矩阵，这可能会对聚类结果产生很大的影响。而且，当数据实例的数量很大时，该算法的计算复杂度和存储器使用将大大增加。为解决这两个问题，我们提出了一种基于多尺度和稀疏矩阵的谱聚类图像分割新算法。首先设计了一种新的特征提取方法，然后提取不同尺度的图像特征，最后利用特征信息构造稀疏相似度矩阵，提高了运算效率。与传统的谱聚类算法相比，图像分割实验结果表明，该算法具有更好的准确性和鲁棒性。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号