基于分裂式K均值聚类的图像分割方法

• 作者: 宋刚 张健
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 图像分割 分裂式K均值 模糊C均值 聚类 无监督
• 年，卷（期）: 2011,（2）
• 页码范围: 372-374
• 分类号: TP391.41
• 字数: 3276字
• 语种: 中文
• DOI: 10.3724/SP.J.1087.2011.00372

摘要

模糊C均值聚类(FCM)算法是一种有效的无监督图像分割方法,适用于任意分类数,不需要预知图像特征,但其聚类效果直接受待分类样本噪声和分类初始条件的影响.因此,提出了一种适用于彩色图像分割的分裂式K均值聚类(FKM)算法,该算法首先使用中值滤波对分类样本去噪,然后使用一种分裂聚类法对图像样本进行预分类,得到一组样本集初始划分,最后以这组划分为起点,使用基于概率距离的K均值聚类对图像分割进行迭代优化.实验结果表明,该算法可以避免FCM的误分类,诸如陷于中心死区、中心重叠和局部极小值,而且提高了分割速度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张健	山东大学信息科学与工程学院	111	517	13.0	17.0
2	宋刚	山东大学信息科学与工程学院	19	79	5.0	8.0