基于改进k-means算法的数字图像聚类

• 作者: 胡子牧 高西
• 来源期刊: 液晶与显示
• 学科: 工学
• 关键词: 数字图像 k-means聚类 LBP特征
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 图像处理
• 页码范围: 173-179
• 页数: 7页
• 分类号: TP394.1|TH691.9
• 字数: 3139字
• 语种: 中文
• DOI: 10.3788/YJYXS20203502.0173

摘要

针对海量彩色图像聚类问题,本文引入改进型k-means算法并将其应用于彩色图像聚类中.该算法由类内-类间距离加权k-means算法和基于近邻传播聚类算法的类数量上界确定方法组成.在实验中,彩色图像的亮度分量的局部二值模式(Local Binary Pattern,LBP)图被重组成行向量,然后构成样本集,本文所提出的改进型k-means算法被用于对样本集进行聚类处理.实验结果显示,在多个聚类方法常用的评价指标上,本方法相比于传统方法达到了更高的聚类准确度.同时,相比于传统方法,本方法也更具有执行效率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	高西		17	54	3.0	7.0
2	胡子牧		3	5	1.0	2.0