优化加权核K-means聚类初始中心点的SLIC算法

• 作者: 杨艳 许道云
• 来源期刊: 计算机科学与探索
• 学科: 工学
• 关键词: 超像素 超像素分割 加权核K-means 密度 初始中心点
• 年，卷（期）: 2018,（3）
• 所属期刊栏目: 理论与算法
• 页码范围: 494-501
• 页数: 8页
• 分类号: TP301
• 字数: 5393字
• 语种: 中文
• DOI: 10.3778/j.issn.1673-9418.1708034

摘要

超像素是近年来快速发展的一种图像预处理技术,被广泛应用于计算机视觉领域.简单线性迭代聚类(simple linear iterative clustering,SLIC)算法是其中的一种图像预处理技术框架,该算法根据像素的颜色和距离特征进行聚类来实现良好的分割结果.然而,SLIC算法尚存在一些问题.基于优化加权核K-means聚类初始中心点,提出一种新的SLIC算法(WKK-SLIC算法).算法基于图像像素之间的颜色相似性和空间相似性度量,采用超像素分割的归一化割公式,使用核函数来近似相似性度量.算法将像素值和坐标映射到高维特征空间中,通过对该特征空间中的每个点赋予适当的权重,使加权K均值和归一化割的目标函数的优化在数学上等价.从而通过在所提出的特征空间中迭代地应用简单的K-means聚类来优化归一化割的目标函数.在WKK-SLIC算法中,采用密度敏感的相似性度量计算空间像素点的密度,启发式地生成K-means聚类的初始中心以达到稳定的聚类结果.实验结果表明,WKK-SLIC算法在评估超像素分割的几个标准上优于SLIC算法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	许道云	贵州大学计算机科学与技术学院	125	460	12.0	16.0
2	杨艳	贵州大学计算机科学与技术学院	13	75	5.0	8.0