Color Image segmentation using Spectral clustering

Abstract

spektral kümeleme yeni ortaya çıkmış ve en yaygın kümeleme algoritmalarından biri olmuştur ve öğrenme algoritması sansürsüz olarak kabul edilmiştir. Uygulanması kolaydır ve standart doğrusal cebir yazılımı kullanılarak verimli bir şekilde çözülebilir. Genellikle, normal kümeleme algoritmalarından daha ağırdır, örneğin K-ortalama algoritması.segmentasyon, çeşitli bölgelere giren ve faydalı öğelere yeniden resim sunumu ve daha açık bir şekilde analiz için kullanılan dijital bir görüntü bölme işlemidir. Renk temelli bölütleme işlemi, alanın renginden büyük ölçüde etkilenir. L * a * b renk alanı, renkli görüntünün içeriğini en iyi temsil eder.Bu tezde, renk görüntüsünü L * a * b renk uzayı ile bölümlemek için bir algoritma geliştirilmiş ve bunu spektral algoritma verilerek sınıflandırılmıştır. Nesnelerin tanımlanması ve sınıflandırılmasında hem şekil hem de gösterim açıklaması önemli bir konudur.Ortaya çıkan renk bölütleme şeması bazı görüntülere uygulanmıştır ve ampirik veri, katsayılar daha iyi yapılandırılmışsa, iyi gelişmiş bir bölütleme algoritmasını gösterir.

the spectral clustering has newly arise and has become one of the most common clustering algorithms, and the learning algorithm is considered uncensored. It is easy to apply and can be efficiently solved using standard linear algebra software. Often outweigh the normal clustering algorithms, for example, the K-mean algorithm.segmentation is a digital image split that is entered into several regions and re-image representation to useful elements and more clearly for analysis. The process of color-based segmentation is greatly influenced by the color of the space. the L*a*b color space is the best representative of the contents of the color image.In this dissertation, an algorithm was developed to segment the color image using L*a*b color space and then the spectral algorithm was applied to the data to classify it. Description of shape nor representation is an important issue both in the identification and classification of objects.The resulting color segmentation scheme has been applied to some of the images and empiricism data indicate a well-advanced segmentation algorithm if the coefficients are better configured.