基于图的加权核K均值的图像多尺度分割

提出改进的最小割(IMC)模型以避免分割出小的孤立点集,研究了改进的最小割模型与加权核K均值之间的等价关系,列举了几种常见的用于建立图割模型边权值的相似度函数,并分析了其对分割结果的影响。在此基础上,设计了一个基于图的加权核K均值图像多尺度分割方法,该方法既避免了基于图割的图像分割中图谱的求解问题,又避免了加权核K均值方法中核矩阵的选取问题,同时实现了对图像多尺度的分割。通过对该方法进行抗噪性能的分析,以及在光学图像上对实验结果进行比较,验证了所提出方法的有效性。

基于局部平滑加权图割方法的SAR图像分割

针对合成孔径雷达(SAR)图像分割,提出了一种局部平滑加权图割(LSWGC,local smoothing weighted graph cut)模型。首先,在加权图割(WGCut)的目标函数中加入局部平滑罚项,提高了基于谱聚类的SAR图像分割方法对斑点噪声的稳健性,抑制了SAR图像分割中孤立点的产生;其次,利用WGCut与加权核K均值(WKKM)的等价性,LSWGC以不同于参数核图割(PKGC)方法的核化方式将核映射引入目标函数中,用图割最优化算法求解标号函数,避免了基于谱聚类的SAR图像分割方法中图谱的求解问题,同时改善了PKGC方法二类划分易丢失目标的不足。模拟和真实SAR图像的实验结果证实了本文方案的有效性。