面向图像分割的卷积密度聚类算法

为了提升密度聚类算法在高分辨图像分割中的可用性,针对数字图像特点,提出一种基于三维卷积的高效密度聚类算法,并在此基础上实现一种彩色图像分割方法.首先,在DBSCAN算法的基础上引入卷积思想,将核心对象获取过程转化为三维卷积运算过程,避免距离计算和区域检索,使该步骤的时间复杂度从二阶降为常数级;然后,基于动态规划思想优化三维卷积运算过程,使卷积时间与卷积核尺寸无关;最后,根据核心对象集合的有序性精简样本点的邻域搜索范围.对比现有算法,在Berkeley BSD300数据集上的实验结果表明,所提算法是有效的,CH指数和计算效率平均提高17％和49％.利用遥感图像测试集Mts-WH进行实验的结果表明,所提算法的时间效率提升显著,比kD树优化的DBSCAN算法效率平均提升19倍,并且样本点数量越多,提升效果越明显,样本点数量超过50万级别时,提升效率达到169倍.