發(fā)布時(shí)間：2021-09-22 21:33

　　針對(duì)圖像分割中K均值算法全局搜索能力差、初始聚類中心選擇敏感的問題,提出了一種將自適應(yīng)人類優(yōu)化算法與K均值算法相結(jié)合的聚類算法.該算法利用自適應(yīng)人類學(xué)習(xí)優(yōu)化算法初始化聚類中心,提高K均值算法的穩(wěn)健性.結(jié)果表明,該算法聚類得到的標(biāo)準(zhǔn)差相比傳統(tǒng)K均值算法和基于粒子群K均值（PSO-Kmeans）算法分別小兩個(gè)數(shù)量級(jí)和一個(gè)數(shù)量級(jí),同時(shí)圖像分割得到的PSNR值均較高,具有算法收斂速度更快,聚類質(zhì)量更好,圖像分割效果更好,適應(yīng)性更強(qiáng)的優(yōu)點(diǎn). 

【文章來源】：沈陽工業(yè)大學(xué)學(xué)報(bào). 2019,41(04)北大核心

【文章頁數(shù)】：6 頁

【文章目錄】：
1 K-means算法
2 自適應(yīng)人類學(xué)習(xí)優(yōu)化算法
3 自適應(yīng)人類學(xué)習(xí)優(yōu)化與K-means聚類算法
    3.1 聚類策略與適應(yīng)度函數(shù)
    3.2 算法流程
4 實(shí)驗(yàn)仿真與分析
    4.1 AHLO-Kmeans算法性能測試
    4.2 圖像分割
        4.2.1 灰度圖像分割
        4.2.2 彩色圖像分割
5 結(jié)論


【參考文獻(xiàn)】：
期刊論文
[1]基于二維Renyi交叉熵的刀具磨損圖像分割[J]. 馬英輝,吳一全.  電子測量與儀器學(xué)報(bào). 2016(12)
[2]基于區(qū)間二型模糊集的農(nóng)田障礙物分割方法[J]. 劉瓊,史諾,申妙芳.  國外電子測量技術(shù). 2016(04)
[3]基于復(fù)小波域樹結(jié)構(gòu)化MRF模型的聲納圖像分割[J]. 夏平,劉小妹,雷幫軍,吳濤.  儀器儀表學(xué)報(bào). 2016(04)
[4]基于背景差分的高鐵鋼軌表面缺陷圖像分割[J]. 賀振東,王耀南,劉潔,印峰.  儀器儀表學(xué)報(bào). 2016(03)
[5]基于同態(tài)濾波和K均值聚類算法的楊梅圖像分割[J]. 徐黎明,呂繼東.  農(nóng)業(yè)工程學(xué)報(bào). 2015(14)
[6]基于Lab和YUV顏色空間的農(nóng)田圖像分割方法[J]. 劉瓊,史諾.  國外電子測量技術(shù). 2015(04)
[7]基于透射率空間與色彩紋理相關(guān)性的圖像分割[J]. 王云燁,李勃,董蓉,陳惠娟,陳啟美.  電子測量技術(shù). 2015(01)



本文編號(hào)：3404410