基于PSO与K-均值聚类算法优化结合的图像分割方法

• 作者: 卜庆凯 曹帅帅 苗圃 陈雪鑫
• 来源期刊: 计算机与现代化
• 学科: 工学
• 关键词: 图像分割 粒子群优化算法 K-均值 惯性权重 学习因子
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 图像处理
• 页码范围: 22-27
• 页数: 6页
• 分类号: TP391.41
• 字数: 4922字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-2475.2020.01.005

摘要

为了提高图像分割的质量和效率,同时,针对粒子群优化算法(Particle Swarm Optimization,PSO)容易陷于局部最优和K-均值算法对初始聚类中心敏感的问题,本文将PSO和K-均值算法相结合,提出一种通过调整惯性权重和学习因子的优化算法.首先,对图像进行去噪预处理,并将处理后的颜色图像转换到HSV空间,以提高色彩质量.然后,改进粒子群算法中的惯性权重和学习因子公式及参数,避免陷入局部最优.最后,根据粒子的适应度切换到K-均值算法执行局部搜索,使聚类中心不断更新实现快速收敛.实验结果表明,在图像分割的过程中,改进的算法具有全局搜索能力强的优点,能够实现更快的收敛速度和更高的分割精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	卜庆凯	青岛大学电子信息学院	22	48	4.0	6.0
2	陈雪鑫	青岛大学电子信息学院	5	3	1.0	1.0
3	曹帅帅	青岛大学电子信息学院	2	1	1.0	1.0
4	苗圃	青岛大学电子信息学院	3	0	0.0	0.0