視覺聚類方法的分析研究及其在圖像檢索中的應用.pdf

1、在當今飛速發(fā)展的數(shù)據(jù)挖掘和探查性數(shù)據(jù)分析中，聚類分析技術已廣泛應用于模式識別、圖像處理、生物、心理、計算機視覺和遙感等領域。在實際問題中，已有的各種聚類算法各有其優(yōu)勢，如何降低聚類算法對初始化的敏感度以及如何針對不同的數(shù)據(jù)集尋找最優(yōu)聚類，并給出合理的物理解釋，成為眾多學者正致力于研究并解決的問題。 本文針對目前在聚類算法及其應用中的一些熱點問題展開了研究與探討工作，主要的工作分為以下三部分： 1.本文研究了基于視覺采樣原

2、理的聚類方法，并給出了一種一般化的視覺采樣聚類方法VSC。該方法將視覺采樣原理與著名的Weber定律結(jié)合起來，不僅具有對聚類初始條件不敏感的特點；同時在Weber定律所定義的聚類有效性標準的指導下，該方法所得到的合理的聚類數(shù)有著較好的物理解釋性。大量的實驗結(jié)果表明了算法VSC的有效性。 2.在深入分析YangMiin-Shen等人提出的基于相似度量的聚類方法的核心算法SCA的基礎上，本文初步討論了由一種視覺采樣函數(shù)所定義的算法V

3、SC與算法SCA之間的內(nèi)在聯(lián)系，得出了這兩個算法具有一定的同解性質(zhì)，從而揭示了方法VSC能夠有效地克服算法SCA中參數(shù)γ不易確定之困難。 3.顏色作為圖像的一種重要視覺信息，廣泛應用于基于內(nèi)容的圖像檢索。從視覺心理屬性來講，HSI顏色模型較RGB顏色模型更易被接受。鑒于圖像信息固有的復雜性和不精確性，本文引入了模糊化的機理對HSI顏色模型的顏色信息進行模糊量化，得到關于顏色特征的模糊直方圖，并應用視覺采樣聚類方法VSC對其進行聚