图像聚类
图像聚类的相关文献在2005年到2023年内共计351篇,主要集中在自动化技术、计算机技术、无线电电子学、电信技术、测绘学
等领域,其中期刊论文85篇、会议论文5篇、专利文献296035篇;相关期刊57种,包括福建教育学院学报、天津师范大学学报(自然科学版)、地球信息科学学报等;
相关会议5种,包括第四届全国信息检索与内容安全学术会议、2005年全国开放式分布与并行计算会议、第十二届国家安全(军事)地球物理学术研讨会等;图像聚类的相关文献由884位作者贡献,包括周明伟、陈立力、侯彪等。
图像聚类—发文量
专利文献>
论文:296035篇
占比:99.97%
总计:296125篇
图像聚类
-研究学者
- 周明伟
- 陈立力
- 侯彪
- 刘芳
- 张杰
- 张涛
- 杨帆
- 杨晓君
- 舒振球
- 范洪辉
- 马文萍
- 周曦
- 姚志强
- 李朋
- 王帅
- 田国栋
- 陈志奎
- 高静
- 俞宁宁
- 凌英剑
- 吴永坚
- 吴远
- 周欣悦
- 孟洋
- 宫辰
- 尚荣华
- 张宏
- 朱树磊
- 朱琪
- 李季檩
- 李学龙
- 杜世强
- 殷俊
- 江彦涛
- 沈毅
- 沈红斌
- 焦李成
- 王爽
- 王维兰
- 王蓉芳
- 石玉清
- 许裕雄
- 赵瑞
- 邱迪
- 邵笑飞
- 钱丽萍
- 陈亮
- 黄亮
- 黄飞跃
- 卜佳俊
-
-
韩洁;
陈俊芬;
李艳;
湛泽聪
-
-
摘要:
近年来,基于联合训练的深度聚类方法,如DEC(Deep Embedding Clustering)和DDC(Deep Denoising Clustering)算法,使基于特征提取的图像聚类取得了很多新进展,带来了聚类性能的突破,而且特征提取环节对后续聚类任务有直接影响。但是,这些方法的泛化能力较差,在不同数据集使用不同的网络结构,聚类性能相比分类性能仍有很大的提升空间。为此,文中提出了一种基于自注意力的自监督深度聚类方法(Self-attention Based Self-supervised Deep Clustering,SADC)。首先设计一个深度卷积自编码器用于提取特征,并且用带噪声的输入数据训练该网络来增强模型的鲁棒性;其次引入自注意力机制,辅助网络捕获对聚类有用的信息;最后编码器部分结合K-means算法形成一个深度聚类器,用于进行特征表示和聚类分配,通过迭代更新网络参数来提高聚类精度和网络的泛化能力。在6个图像数据集上验证所提聚类算法的性能,并与深度聚类算法DEC,DDC等进行比较。实验结果表明,SADC能提供令人满意的聚类结果,而且聚类性能与DEC和DDC相当。总之,统一的网络结构在保证聚类精度的同时降低了深度聚类算法的复杂度。
-
-
李向利;
逯喜燕;
范学珍
-
-
摘要:
非负矩阵分解(NMF)是一种有效的数据降维方法,广泛应用于图像聚类等领域。然而,NMF不能捕获数据固有的几何结构,所以基于图的非负矩阵分解被提出。基于图的算法大多使用K-近邻来构造相似度图。由于数据中的异常值和错误特征,直接构造图是不准确的。针对上述问题,提出了基于学习一致性相似度矩阵的图非负矩阵分解方法。该方法首先通过自适应学习来获得相似度矩阵,然后通过相似度矩阵构造拉普拉斯图正则项,最后将该正则项加入原始的非负矩阵分解模型中。优化了之前直接使用K-近邻构图的弊端,并且能很好地保持数据的几何结构。新提出的算法在USPS、yale、faces以及ORLdata数据集上进行聚类试验并与一些先进算法进行了比较。数值试验结果证明了本文提出的算法性能很好。
-
-
黄松;
王廷永;
孙金磊;
阳真;
洪宇
-
-
摘要:
由于众测人员测试水平层次不齐,导致测试步骤不统一、冗余操作过多,因此无法直接利用众测人员的操作序列生成测试用例。通过对现有测试过程研究进行分析,提出一种适用于众测场景的GUI软件的操作序列记录方法。通过基于图像与坐标信息的方法获取众测人员的操作信息,采用图像聚类划分操作信息和时间划分方法优化聚类结果,以时间先后将操作信息组合众测操作序列。实验选取6种不同的GUI软件进行验证,实验结果表明,所提方法能够记录规范化操作序列,为后续工作提供可靠数据来源。
-
-
方宝富;
张旭;
王浩
-
-
摘要:
获取周围环境中的语义信息是语义同时定位与建图(Simultaneous Localization and Mapping,SLAM)的重要任务,然而,采用语义分割或实例分割网络会影响系统的时间性能,采用目标检测方法又会损失一部分精度.因此,文中提出联合深度图聚类与目标检测的像素级分割算法,在保证实时性的前提下,提高当前语义SLAM系统的定位精度.首先,采用均值滤波算法对深度图的无效点进行修复,使深度信息更真实可靠.然后,分别对RGB图像和对应的深度图像进行目标检测和K-means聚类处理,结合两者结果,得出像素级的物体分割结果.最后,利用上述结果剔除周围环境中的动态点,建立完整、不含动态物体的语义地图.在TUM数据集和真实家居场景中分别进行深度图修复、像素级分割、估计相机轨迹与真实相机轨迹对比实验,结果表明,文中算法具有较好的实时性与鲁棒性.
-
-
孟凡云;
韩志;
田玉铢;
王帅
-
-
摘要:
图像去噪是图像处理领域的重要研究方向,局部块匹配和主成分分析法是图像去噪处理的重要手段,传统的块匹配算法只在固定的窗口范围内进行一次相似度的块筛选,这种搜索方式保留了图像的局部特征但对纹理的保护较差,图像存在失真模糊的现象.为解决这一问题,将聚类匹配和局部筛选相结合,通过聚类类别对样本块进行进一步筛选,同时对匹配窗口的大小进行自适应调整,这种方法可以更好地平衡图像的纹理细节与整体噪声去除之间的矛盾.借助自适应块聚类匹配和主成分分析法对图像进行降噪处理,实验表明,改进后的算法比传统块匹配PCA算法具有更好的去噪效果.
-
-
张逸群;
彭冲
-
-
摘要:
由于传统的非光滑非负矩阵分解(nsNMF)算法未考虑数据之间的几何结构,当数据处于线性不可分的流形结构时,该算法无法有效挖掘高维数据中所蕴含的信息,无法高效完成聚类任务。为此,提出一种新的非光滑非负矩阵分解算法,使用平滑因子对分解得到的基底矩阵和系数矩阵同时进行稀疏性约束,在目标函数中引入核函数处理高维与低维数据之间的映射,加入局部相似性约束项挖掘数据之间的结构化信息,并设计乘性迭代更新方法对算法的目标函数进行迭代求解。研究结果表明,新算法在迭代过程中能够达到收敛,在公开数据集上有着良好的聚类效果。
-
-
时照群;
刘兆伟;
刘惊雷
-
-
摘要:
近年来,聚类作为机器学习、数据挖掘等领域的基本问题受到广泛的关注及研究,然而数据中普遍存在的噪声和异常值严重影响聚类结果.提出一个基于相关熵和流形正则化的聚类框架CRNMF(Correntropy and Manifold Regularization Non-Negative Matrix Factorization).首先,采用基于相关熵的非负矩阵分解(Non-Negative Matrix Factorization,NMF)作为损失函数来抑制非高斯噪声和异常值的影响;其次,充分考虑数据的结构信息,采用流形正则化学习数据的局部结构,并通过l2,1-范数对非负矩阵进行稀疏约束;最后,利用半二次优化技术(Half-Quadratic Optimization Technique,HQ)进行优化,并分析了收敛性和计算复杂度.在五个图像数据集上进行测试,实验结果表明,提出的框架在图像聚类任务中具有较好的有效性和鲁棒性.
-
-
李丁园;
李晓杰
-
-
摘要:
对于图像的聚类,现有方法在特征提取方面或难以选择合适的维度转换方法,或提取的特征对图像特征的表达较弱且不够丰富,对图像的聚类效果产生了较大影响,导致了聚类精度较低。为此,提出一种基于多尺度残差卷积自编码器的图像聚类方法,通过构建具有若干个含有残差连接的多尺度卷积模块,获得中间层的高维特征表达,并以此进行图像聚类。实验结果表明,在MNIST数据集上的聚类准确率为82.2%,ARI(Adjusted Rand Index)值为0.7810,NMI(Normalized Mutual Information)值为0.8532,模型达到了较好的聚类效果。
-
-
陈扬;
王金亮;
夏炜;
杨颢;
朱润;
奚雪峰
-
-
摘要:
足迹图像是公安在串并案的侦破过程中最为重要的线索,且每年各处公安都会收集很多犯罪现场的足迹,如何自动化地整理和归类这些足迹图像成为当前公安信息化的一个难点.面向公安实战需求,文中结合卷积神经网络和DBSCAN算法,提出了一种对足迹图像聚类的方法.首先,对足迹图像进行预处理以便满足模型训练要求;接着,通过模型预训练改进了Resnnet50和Densenet121两类卷积神经网络模型结构,提取足迹图像特征并建立特征向量库;随后,基于DBSCAN聚类算法,利用上述特征向量库实现对足迹图像的整理归类.实验结果表明,该方法具有良好的实用性和有效性.
-
-
张豪远;
徐丹;
罗海妮;
杨冰
-
-
摘要:
中国古壁画历经千百年历史,不可避免地出现了不同程度的破损,其修复研究具有重要的历史价值和文化价值。传统的手工修复直接作用于壁画,操作不当会造成保护性破坏,所以采用数字虚拟修复,提出了基于边缘重建的多尺度壁画修复方法。由于现存壁画数量较少,通过收集与整理我国不同地域年代的壁画获得了实验数据。对自由裁剪后的壁画进行滤波平滑图像细节并保留其边缘,为破损区域的图像分割提供良好的初始化条件,经过图像聚类自动计算待修复掩膜;修复过程以边缘重建为基础,对破损壁画在多尺度空间中提取纹理特征,充分挖掘图像已知的可用信息进行其缺失内容的填补。实验结果表明,该方法不受壁画种类和破损程度的限制,整个重建过程更加通用和有效,能够恢复得到具有结构完整和纹理清晰的图像,并取得较好的修复效果。
-
-
HE Fang;
何芳;
JIA Weimin;
贾维敏;
WANG Biaobiao;
王标标;
LI Bing;
李冰
- 《第十二届国家安全(军事)地球物理学术研讨会》
| 2016年
-
摘要:
高光谱图像聚类算法可以从海量的高光谱图像数据中提取有用的信息,传统的聚类方法只单纯地利用了高光谱图像的空间信息或者光谱信息,并不能达到理想的聚类效果.基于此,提出了一种新的融合高光谱图像的空间信息和光谱信息的聚类方法,加权空—谱谱聚类(WSS-SC)算法,该方法通过引入样本点的近邻窗口尺度和光谱因子2个参数实现将高光谱图像的空间信息和光谱信息有效结合起来对高光谱图像进行重构,对重构后的图像进行谱聚类,有利于提高分类精度.在SalinasA数据库上的实验结果表明,由WSS-SC算法得到的OA为84.44%,kappa系数为0.8101,分别较K均值算法提高了17.54%,0.2012,聚类效果较好.
-
-
方晨;
王智慧;
周向东;
周皓峰;
汪卫;
施伯乐
- 《第二十三届中国数据库学术会议(NDBC2006)》
| 2006年
-
摘要:
聚类分析作为一种重要的非指导学习方法,在多媒体数据管理中得到越来越多的应用,如对图像进行聚类预处理,有助于发现图像之间的语义相似性、减少检索代价等.但是,由于图像语义与视觉特征之间的差异,使得图像聚类的效果还有待进一步提高.聚类分析中,图像通常用高维特征向量表示,显然,在描述图像的相似性方面,各个维所代表的视觉特征的重要性是不一样的,甚至彼此矛盾.传统方法通过权重调整或降维并不能很好地解决上述问题.本文提出一种新的动态子空间距离计算公式(DSDF),根据任意两幅图像之间关联比较密切的维度,计算出图像之间的相似子空间距离,并利用Clarans聚类算法进行图像子空间聚类.实验表明,该方法在图像聚类效果上明显优于传统聚类方法.
-
-
Hu Yao;
胡瑶;
Wang Chen;
王琛;
Zhou Yuan-Yuan;
周远远;
Yang Xia-Qing;
杨夏青;
Shi Jun;
师君
- 《第六届高分辨率对地观测学术年会》
| 2019年
-
摘要:
SAR成像以其全天时、全天候的成像特点,在民用和军事领域中广泛应用.得益于成像技术的快速发展以及发射平台的增多,SAR图像的数目明显增加,同时也增加了人工分析SAR图像的困难.目前,SAR图像目标分类/识别任务中,多采用监督学习方式来实现分类/识别,即需要具有类别标签的目标图像作为训练样本.但是,获取和标注SAR图像成本很高,对图像进行人工标注极其耗费时间.不同于监督学习依赖大量标签数据,非监督学习可以通过不同的数据变换,寻找变换空间下相似的样本来实现样本类别赋值,也称为聚类.传统的数据变换方法有PCA、kernel-based等.在本论文中,提出使用t-SNE算法进行非线性降维,配合k-means算法实现聚类任务.在MSTAR数据集上进行聚类实验,相较于在原始图像空间和PCA特征空间进行k-means聚类,提出方法的聚类准确率分别提高了2.25%和5.5%.
-
-
- 《第四届全国信息检索与内容安全学术会议》
| 2008年
-
摘要:
在图像分类和自动标注系统中,多例学习(MIL)是研究的热点.分别在基于EM算法和启发式迭代优化算法的框架下,提出了6种非监督的多例聚类算法,并对web图像进行聚类以分析用户的搜索兴趣.一幅图像含有若干个区域,每个区域可被看作为一个样例,属于同一个图像的区域组成一个包.这样如何理解图像语义内容的问题即可转化为多例学习.在多例学习的经典数据集MUSK和web图像集上的比较实验表明,在不同类别数目下本文的多例聚类算法性能更好.
-
-
-
-