基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
图像分割是图像识别和计算机视觉至关重要的预处理.文章结合PSO算法搜索全局最优及KMeans算法对选取初始聚类中心的缺陷,使用PSO算法搜索并寻找全局最优,将搜寻值回代到KMeans聚类算法中对图像进行分割.结果表明,基于PSO-KMeans快速图像分割算法模型具有更高的精确度和有效性.PSO算法对KMeans算法的优化作用明显,有效对图片数据进行了分割,进一步优化了KMeans算法对图像分割的时间,提高了算法收敛的速度.
推荐文章
基于改进PSO算法的Otsu快速多阈值图像分割
图像分割
粒子群算法
非均匀变异
线性递减惯性权重
独立峰值
多阈值
最大类间方差
基于PSO的快速模糊C均值图像分割算法
图像分割
模糊C均值
K均值算法
粒子群算法
基于局部自适应先验MRF模型的快速BP图像分割算法
自适应局部先验
MRF模型
置信度传播算法
快速收敛策略
基于均值偏移的户外图像快速分割算法
均值偏移
户外环境
图像分割
尺度变换
颜色空间
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于PSO-KMeans快速图像分割算法模型的应用
来源期刊 现代信息科技 学科 工学
关键词 PSO算法 KMeans算法 PSO-KMeans快速算法 收敛速度 图像分割
年,卷(期) 2020,(5) 所属期刊栏目 计算机技术
研究方向 页码范围 79-81,84
页数 4页 分类号 TP391.4
字数 2233字 语种 中文
DOI 10.19850/j.cnki.2096-4706.2020.05.023
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 陈兴志 西南科技大学理学院 8 0 0.0 0.0
2 黄飞翔 西南科技大学理学院 6 0 0.0 0.0
3 王代文 西南科技大学理学院 6 0 0.0 0.0
4 刘乃瑶 西南科技大学理学院 6 0 0.0 0.0
5 乐文涛 西南科技大学理学院 6 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (6)
共引文献  (5)
参考文献  (2)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2008(2)
  • 参考文献(0)
  • 二级参考文献(2)
2009(1)
  • 参考文献(0)
  • 二级参考文献(1)
2010(2)
  • 参考文献(1)
  • 二级参考文献(1)
2013(1)
  • 参考文献(1)
  • 二级参考文献(0)
2020(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
PSO算法
KMeans算法
PSO-KMeans快速算法
收敛速度
图像分割
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
现代信息科技
半月刊
2096-4706
44-1736/TN
16开
广东省广州市白云区机场路1718号8A09
46-250
2017
chi
出版文献量(篇)
4784
总下载数(次)
45
总被引数(次)
3182
论文1v1指导