公开(公告)号：CN102044077B

公开(公告)日：2013-07-10

申请号：CN201010590113.3

申请日：2010-12-16

Applicant: 上海交通大学

Inventor： 方江雄 ,  杨杰 ,  屠恩美 ,  贾振红 ,  庞韶宁

IPC: G06T7/00

Abstract: 一种图像处理技术领域多分辨率多区域变分水平集图像分割方法。包括：设置分辨率级数以及分割区域的数目，将原始图像按照空间分辨率在每一维进行连续下采样生成分辨率为2L的图像；利用变分水平集最小化能量模型，进行曲线演化得到N-1个零水平集演化曲线方程；以2i为系数得到的该演化曲线作为下一分辨率构建初始化演化曲线，然后采用多分辨率水平集方法，进行曲线演化得到当前分辨率下N-1个零水平集演化曲线方程；最后，演化过程不断重复，直至达到原始分辨率图像，得到分割结果。本发明避免分割区域的重叠和漏分，降低了噪声的干扰、减小了搜索的空间。

公开(公告)号：CN103617609B

公开(公告)日：2016-04-13

申请号：CN201310508232.3

申请日：2013-10-24

Applicant: 上海交通大学

Inventor： 屠恩美 ,  杨杰

IPC: G06T7/00

Abstract: 本发明提供了一种基于图论的k-means非线性流形聚类和代表点选取方法，具体包括以下步骤，构建一个图模型，计算各样本点间的图距离矩阵以及无限次随机游走概率矩阵，然后在图模型上交替迭代更各类中心以及类成员直至收敛。本发明所提出的疲劳随机游走模型可以快速实现非线性的流行聚类并为每类选取一个代表点，从而克服传统k-means只在样本服从高斯分布时能够取得好效果的缺陷。本发明对图像、文本以及视频等具有低维流形分布的高维数据具有很好的聚类效果，同时能够为每类指定一个最具代表性的点，方法实现简单，易于操作。

公开(公告)号：CN103617609A

公开(公告)日：2014-03-05

申请号：CN201310508232.3

申请日：2013-10-24

Applicant: 上海交通大学

Inventor： 屠恩美 ,  杨杰

IPC: G06T7/00

Abstract: 本发明提供了一种基于图论的k-means非线性流形聚类和代表点选取方法，具体包括以下步骤，构建一个图模型，计算各样本点间的图距离矩阵以及无限次随机游走概率矩阵，然后在图模型上交替迭代更各类中心以及类成员直至收敛。本发明所提出的疲劳随机游走模型可以快速实现非线性的流行聚类并为每类选取一个代表点，从而克服传统k-means只在样本服从高斯分布时能够取得好效果的缺陷。本发明对图像、文本以及视频等具有低维流形分布的高维数据具有很好的聚类效果，同时能够为每类指定一个最具代表性的点，方法实现简单，易于操作。

公开(公告)号：CN102044077A

公开(公告)日：2011-05-04

申请号：CN201010590113.3

申请日：2010-12-16

Applicant: 上海交通大学

Inventor： 方江雄 ,  杨杰 ,  屠恩美 ,  贾振红 ,  庞韶宁

IPC: G06T7/00

Abstract: 一种图像处理技术领域多分辨率多区域变分水平集图像分割方法。包括：设置分辨率级数以及分割区域的数目，将原始图像按照空间分辨率在每一维进行连续下采样生成分辨率为2L的图像；利用变分水平集最小化能量模型，进行曲线演化得到N-1个零水平集演化曲线方程；以2i为系数得到的该演化曲线作为下一分辨率构建初始化演化曲线，然后采用多分辨率水平集方法，进行曲线演化得到当前分辨率下N-1个零水平集演化曲线方程；最后，演化过程不断重复，直至达到原始分辨率图像，得到分割结果。本发明避免分割区域的重叠和漏分，降低了噪声的干扰、减小了搜索的空间。