基于非负正交矩阵分解的多视图聚类图像分割算法
Non-negative Orthogonal Matrix Factorization Based Multi-view Clustering Image Segmentation Algorithm作者机构:太原科技大学计算机科学与技术学院太原030024 合肥工业大学机械工程学院合肥230009
出 版 物:《模式识别与人工智能》 (Pattern Recognition and Artificial Intelligence)
年 卷 期:2023年第36卷第6期
页 面:556-571页
核心收录:
学科分类:08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 0701[理学-数学] 0812[工学-计算机科学与技术(可授工学、理学学位)]
基 金:国家自然科学基金项目(No.51875152) 山西省自然科学基金项目(No.202203021211206,202203021211189) 山西省教育厅项目(No.2022YJJG192) 山西省研究生创新项目(No.2022Y700)资助。
主 题:流形学习 谱结构融合 非负正交矩阵分解 图像分割 多视图聚类
摘 要:多视图聚类在应对非线性结构数据上具有一定优势,却存在需要后处理和时间效率较低等缺点.针对这一问题,文中提出基于非负正交矩阵分解的多视图聚类图像分割算法.首先,提取图像多视图数据,使用流形学习非线性降维方法获取每个视图的谱嵌入矩阵,构建相应的谱块结构.再设计自适应权值,将谱块结构融合成一致性图矩阵.然后,对一致性图矩阵进行非负正交矩阵分解,获取非负嵌入矩阵.最后,由非负嵌入矩阵获得多视图特征的聚类,进而得到图像分割结果.在5个数据集上的对比实验表明,文中算法在分割精度和时间效率上都有一定提升.