基于IRAM和半监督的谱聚类图像分割

谱聚类判别割(Dcut)计算正则化相似度矩阵及其特征向量比较耗时,对于大规模矩阵特征值问题,隐式重启动Arnoldi方法(IRAM)能够快速收敛到模值最大的k个特征值(即主导特征值)。因此本文采用IRAM算法计算相似度矩阵的主导特征值,减小运算时间。为解决谱聚类敏感于尺度参数的问题,提出利用少量监督样本求取每幅图像特有的尺度参数,进行半监督图像分割。通过对UCI数据集和自然图像的仿真实验表明,本文算法能有效提高Dcut的运算速度,同时性能稳定,分割结果优于Dcut和PCA-Dcut。