2.特定优化算法
特定优化算法是用于编组这一特定问题的优化算法，如谱聚类（Spectual Clustering），也称为图像分割方法，是编组中常用的方法。其将图像元素的关系表示为加权图，以元素为顶点，元素间的关联程度（线索）为相应的边权值。可进一步把这种图对应为关系矩阵，矩阵的第i行第j列表示顶点i和j之间的权，最大化结合或者聚类概率得到的生成图对应于最终的编组。生成图中每一个分割子图对应于一个独立的目标。图分割方法采用的优化过程是谱聚类，即根据矩阵的前几个最大特征向量将构成矩阵的向量划分为不同的类。这里的矩阵是指关系矩阵或者关系矩阵函数，谱是指数据相关性的二阶统计量所表示的数据能量谱。按照关系矩阵的不同函数形式和所取特征向量的个数与顺序（可能取最大特征向量也可能取最小特征向量），图分割又可分为最小切分（Mini-Cut）、平均切分（Average Cut）和归一化切分（Normalized Cut）[34]。图分割方法在绝大多数情况下能获取较满意的编组效果，尤其是归一化切分，对于纹理图像也能取得较好的效果。存在的问题是，对图元素间的全局关系描述不足，通过对图切分来获得全局显著结构，导致编组结果较粗糙。尤其是在目标与背景的分界模糊的情况下计算量大，图像分割可能是一个NP-Hard问题。参考文献[35]用稀松矩阵表示接近律、连续律和相似律为线索构建编组线索，采用最大特征向量作为编组种子，以递归方式获取轮廓。参考文献[9]以稀疏图中节点表示边缘，以边缘对闭合支持度表示弧的权重，采用笛杰斯特拉算法计算有向图中的环来寻找闭合轮廓。参考文献[36]采用轮廓比值从噪声图像中抽取显著性封闭轮廓，显著性度量采用格式塔接近性、连续性和封闭性度量。
……
展开
