本文選題：圖像分割 + 模糊C-均值聚類(lèi)�。� 參考：《計(jì)算機(jī)工程與應(yīng)用》2017年24期

【摘要】：針對(duì)傳統(tǒng)模糊C-均值聚類(lèi)算法對(duì)初始值和噪聲敏感的缺點(diǎn),提出了一種基于多鏈量子蜂群算法的模糊C-均值聚類(lèi)算法。首先,將多鏈拓展編碼方案應(yīng)用到量子蜂群算法中,提出了多鏈量子蜂群算法;其次,利用多鏈量子蜂群算法來(lái)優(yōu)化模糊C-均值聚類(lèi)的初始聚類(lèi)中心;最后,設(shè)計(jì)一種新的利用多鏈量子蜂群算法優(yōu)化模糊C-均值聚類(lèi)中心的圖像分割算法。實(shí)驗(yàn)結(jié)果表明,所提出的基于多鏈量子蜂群算法的模糊C-均值聚類(lèi)圖像分割算法是有效的,相對(duì)于傳統(tǒng)模糊C-均值聚類(lèi)算法及基于模糊的人工蜂群算法,所提算法在分割正確率、分割速度及魯棒性上均更有效。
[Abstract]:Aiming at the shortcoming of traditional fuzzy C- mean clustering algorithm which is sensitive to initial value and noise, a fuzzy C- mean clustering algorithm based on multi-chain quantum bee colony algorithm is proposed. Firstly, multi-chain extended coding scheme is applied to quantum bee colony algorithm, and multi-chain quantum bee colony algorithm is proposed. Secondly, the initial clustering center of fuzzy C-means clustering is optimized by using multi-chain quantum bee colony algorithm. A new image segmentation algorithm using multi-chain quantum bee colony algorithm to optimize fuzzy C-means clustering center is proposed. Experimental results show that the proposed fuzzy C-means clustering algorithm based on multi-chain quantum bee colony algorithm is effective, compared with the traditional fuzzy C-means clustering algorithm and the artificial bee colony algorithm based on fuzzy. The proposed algorithm is more effective in segmentation accuracy, segmentation speed and robustness.
【作者單位】： 解放軍陸軍工程大學(xué);
【基金】：國(guó)家自然科學(xué)基金(No.71501186)
【分類(lèi)號(hào)】：TP18;TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李仲;圖像分割的妙法[J];電腦知識(shí)與技術(shù);2000年S2期

2 唐偉力;龍建忠;;一種基于降雨模型的圖像分割方法在礫巖圖像分割中的應(yīng)用[J];成都信息工程學(xué)院學(xué)報(bào);2007年02期

3 黃曉莉;曾黃麟;王秀碧;劉永春;;基于脈沖耦合神經(jīng)網(wǎng)絡(luò)的圖像分割[J];信息技術(shù);2008年09期

4 肖飛;綦星光;;圖像分割方法綜述[J];可編程控制器與工廠自動(dòng)化;2009年11期

5 汪一休;;一種交互式圖像分割的修正優(yōu)化方法[J];中國(guó)科學(xué)技術(shù)大學(xué)學(xué)報(bào);2010年02期

6 李丹;;圖像分割方法及其應(yīng)用研究[J];科技信息;2010年36期

7 龔永義;黃輝;于繼明;關(guān)履泰;;基于熵的兩區(qū)域圖像分割[J];中國(guó)圖象圖形學(xué)報(bào);2011年05期

8 張甫;李興來(lái);陳佳君;;淺談圖像分割方法的研究運(yùn)用[J];科技創(chuàng)新與應(yīng)用;2012年04期

9 汪梅;何高明;賀杰;;常見(jiàn)圖像分割的技術(shù)分析與比較[J];計(jì)算機(jī)光盤(pán)軟件與應(yīng)用;2013年06期

10 魏慶;盧照敢;邵超;;基于復(fù)雜性指數(shù)的圖像分割必要性判別技術(shù)[J];計(jì)算機(jī)工程與應(yīng)用;2013年16期

相關(guān)會(huì)議論文 前10條

1 楊魁;趙志剛;;圖像分割技術(shù)綜述[A];2008年中國(guó)高校通信類(lèi)院系學(xué)術(shù)研討會(huì)論文集（下冊(cè)）[C];2009年

2 楊暄;郭成安;李建華;;改進(jìn)的脈沖耦合神經(jīng)網(wǎng)絡(luò)及其在圖像分割中的應(yīng)用[A];第十屆全國(guó)信號(hào)處理學(xué)術(shù)年會(huì)（CCSP-2001）論文集[C];2001年

3 楊生友;;圖像分割在醫(yī)學(xué)圖像中應(yīng)用現(xiàn)狀綜述[A];2009中華醫(yī)學(xué)會(huì)影像技術(shù)分會(huì)第十七次全國(guó)學(xué)術(shù)大會(huì)論文集[C];2009年

4 閆平昆;;基于模型的圖像分割技術(shù)及其醫(yī)學(xué)應(yīng)用[A];第十五屆全國(guó)圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2010年

5 高嵐;胡友為;潘峰;盧凌;;基于小生境遺傳算法的SAR圖像分割[A];可持續(xù)發(fā)展的中國(guó)交通——2005全國(guó)博士生學(xué)術(shù)論壇（交通運(yùn)輸工程學(xué)科）論文集（下冊(cè)）[C];2005年

6 孫莉;張艷寧;胡伏原;趙榮椿;;基于Gaussian-Hermite矩的SAR圖像分割[A];第十三屆全國(guó)圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2006年

7 李盛;;基于協(xié)同聚類(lèi)的圖像分割[A];第十四屆全國(guó)圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2008年

8 張利;許家佗;;舌象圖像分割技術(shù)的研究與應(yīng)用進(jìn)展[A];中華中醫(yī)藥學(xué)會(huì)中醫(yī)診斷學(xué)分會(huì)第十次學(xué)術(shù)研討會(huì)論文集[C];2009年

9 秦昆;李振宇;李輝;李德毅;;基于云模型和格網(wǎng)劃分的圖像分割方法[A];《測(cè)繪通報(bào)》測(cè)繪科學(xué)前沿技術(shù)論壇摘要集[C];2008年

10 高惠琳;竇麗華;陳文頡;謝剛;;圖像分割技術(shù)在醫(yī)學(xué)CT中的應(yīng)用[A];中國(guó)自動(dòng)化學(xué)會(huì)控制理論專(zhuān)業(yè)委員會(huì)A卷[C];2011年

相關(guān)博士學(xué)位論文 前10條

1 白雪飛;基于視覺(jué)顯著性的圖像分割方法研究[D];山西大學(xué);2014年

2 王輝;圖像分割的最優(yōu)化和水平集方法研究[D];電子科技大學(xué);2014年

3 高婧婧;腦部MR圖像分割理論研究[D];電子科技大學(xué);2014年

4 潘改;偏微分方程在圖像分割中的應(yīng)用研究[D];東北大學(xué);2013年

5 李偉斌;圖像分割中的變分模型與快速算法研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2014年

6 鄧曉政;基于免疫克隆選擇優(yōu)化和譜聚類(lèi)的復(fù)雜圖像分割[D];西安電子科技大學(xué);2014年

7 李積英;融合量子衍生及DNA計(jì)算速率的智能算法在圖像分割中的研究[D];蘭州交通大學(xué);2014年

8 王曉坤;基于寬視場(chǎng)拼接成像的目標(biāo)分割與跟蹤算法研究[D];長(zhǎng)春理工大學(xué);2016年

9 吳永飛;圖像分割的變分模型及數(shù)值實(shí)現(xiàn)[D];重慶大學(xué);2016年

10 李忠兵;聚焦超聲無(wú)創(chuàng)治療腫瘤的超聲圖像分割方法研究[D];武漢大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 王聰聰;手機(jī)上的交互式圖像分割方法研究[D];華中科技大學(xué);2013年

2 廖小波;基于貝葉斯最優(yōu)統(tǒng)計(jì)的圖切法圖像分割研究[D];昆明理工大學(xué);2015年

3 姜士輝;基于Android系統(tǒng)的立木圖像分割方法研究[D];東北林業(yè)大學(xué);2015年

4 路亞緹;基于粒子群優(yōu)化算法的最大熵多閾值圖像分割研究[D];鄭州大學(xué);2015年

5 劉超;基于閾值圖像分割的研究及在蘋(píng)果定位中的應(yīng)用[D];東華理工大學(xué);2015年

6 何妮;結(jié)合顯著性目標(biāo)檢測(cè)與圖像分割的服飾提取算法研究及實(shí)現(xiàn)[D];西南交通大學(xué);2015年

7 劉曉磊;基于MRF隨機(jī)場(chǎng)模型的機(jī)器人視覺(jué)圖像分割方法研究[D];西安建筑科技大學(xué);2015年

8 王周楠;數(shù)字圖像處理的研究仿真[D];中國(guó)地質(zhì)大學(xué)(北京);2015年

9 許素素;改進(jìn)的模糊C均值聚類(lèi)算法在圖像分割中的應(yīng)用[D];長(zhǎng)安大學(xué);2015年

10 齊國(guó)紅;基于FCM和SVM相結(jié)合的作物病害圖像分割方法研究[D];鄭州大學(xué);2015年

，

本文編號(hào)：2046601