图像分割算法有几种:
基于区域划分方法。
基于边界划分方法。常用的是边缘检测方法,优点是准确定位边缘、运算速度快;缺点是不能保证边缘的连续性和封闭性。
基于阈值划分方法。
基于纹理方法。
数据聚类方法。把整幅图像看做一个数据整体,根据预先定义好的距离度量方法计算像素点的相似关系,以此确定图像的不同区域。
谱聚类:
与传统的聚类算法相比具有明显的优势,该算法能在任意形状的样本空间上执行并且收敛于全局最优,这个特点使得它对数据的适应性非常广泛。为了进行聚类,需要利 用高斯核计算任意两点间的相似度以此构成相似度矩阵。
谱聚类方法缺点:
a)谱聚类对参数非常敏感;
b)时间复杂度和空间复杂度大。
对于 k-way 谱聚类算法,一般分为以下步骤:
(1)构建相似度矩阵 W;
(2)根据相似度矩阵 W 构建拉普拉斯矩阵 L(不同的算法有不同的 L 矩阵);
(3)对 L 进行特征分解,选取特征向量组成特征空间;
(4)在特征空间中利用 K 均值算法,输出聚类结果;
相似度矩阵的构建:
相似矩阵可以分