基于谱聚类的边缘检测算法

被引：4

作者：

郭新 ^{[1
]}

徐明 ^{[2
]}

张众 ^{[3
]}

机构：

[1] 郑州大学信息工程学院

[2] 中原工学院电子信息学院

[3] 郑州大学电气工程学院

来源：

郑州大学学报(理学版) | 2018年 / 50卷 / 03期

关键词：

谱聚类; 边缘检测; 子空间分类;

D O I：

10.13705/j.issn.1671-6841.2018110

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

区分高频噪声点和边缘点是提取噪声图像边缘的难点之一,为了得到噪声图像的清晰边缘,提出一种基于谱聚类(spectral curvature clustering,SCC)的边缘检测算法.该方法通过将边缘检测问题转化为分类问题,利用图像边缘点、平滑点和噪声点位于不同子空间的性质,在有效地聚类平滑点和边缘点的同时,SCC能够较好地抑制噪声点.另外,该算法通过编辑聚类标签并将其转换为二值图像,对二值化图像进行简单的处理即可得到图像的边缘,成功地避免了传统算法中的阈值选择问题.相比于传统的边缘检测方法,实验结果证明了所提算法的有效性.

引用

页码：83 / 86+93 +93

页数：5

共 6 条

[1] 一种改进的模糊C均值图像分割算法
刘洪普
杨乐
侯向丹
顾军华
[J]. 郑州大学学报(理学版), 2017, 49 (02) : 66 - 71
[2] 基于距离阈值的自适应K-均值聚类算法
曾庆山
张贵勇
[J]. 郑州大学学报(理学版), 2016, 48 (04) : 90 - 94+101
[3] 多层次自适应空间系数高斯小波图像边缘检测
王青竹
王珂
袁国良
刘准
[J]. 中国图象图形学报, 2009, 14 (07) : 1347 - 1353
[4] Determining Hysteresis Thresholds for Edge Detection by Combining the Advantages and Disadvantages of Thresholding Methods
Medina-Carnicer, R.
Carmona-Poyato, A.
Munoz-Salinas, R.
Madrid-Cuevas, F. J.
[J]. IEEE TRANSACTIONS ON IMAGE PROCESSING, 2010, 19 (01) : 165 - 173
[5] Foundations of a Multi-way Spectral Clustering Framework for Hybrid Linear Modeling
Chen, Guangliang
Lerman, Gilad
[J]. FOUNDATIONS OF COMPUTATIONAL MATHEMATICS, 2009, 9 (05) : 517 - 558
[6] Spectral Curvature Clustering (SCC)
Chen, Guangliang
Lerman, Gilad
[J]. INTERNATIONAL JOURNAL OF COMPUTER VISION, 2009, 81 (03) : 317 - 330

← 1 →