基于多链量子蜂群算法的模糊聚类图像分割

发布时间：2018-06-21 01:39

  本文选题：图像分割 + 模糊C-均值聚类　； 参考：《计算机工程与应用》2017年24期

【摘要】：针对传统模糊C-均值聚类算法对初始值和噪声敏感的缺点,提出了一种基于多链量子蜂群算法的模糊C-均值聚类算法。首先,将多链拓展编码方案应用到量子蜂群算法中,提出了多链量子蜂群算法;其次,利用多链量子蜂群算法来优化模糊C-均值聚类的初始聚类中心;最后,设计一种新的利用多链量子蜂群算法优化模糊C-均值聚类中心的图像分割算法。实验结果表明,所提出的基于多链量子蜂群算法的模糊C-均值聚类图像分割算法是有效的,相对于传统模糊C-均值聚类算法及基于模糊的人工蜂群算法,所提算法在分割正确率、分割速度及鲁棒性上均更有效。
[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.
【作者单位】： 解放军陆军工程大学;
【基金】：国家自然科学基金(No.71501186)
【分类号】：TP18;TP391.41

【相似文献】

相关期刊论文 前10条

1 李仲;图像分割的妙法[J];电脑知识与技术;2000年S2期

2 唐伟力;龙建忠;;一种基于降雨模型的图像分割方法在砾岩图像分割中的应用[J];成都信息工程学院学报;2007年02期

3 黄晓莉;曾黄麟;王秀碧;刘永春;;基于脉冲耦合神经网络的图像分割[J];信息技术;2008年09期

4 肖飞;綦星光;;图像分割方法综述[J];可编程控制器与工厂自动化;2009年11期

5 汪一休;;一种交互式图像分割的修正优化方法[J];中国科学技术大学学报;2010年02期

6 李丹;;图像分割方法及其应用研究[J];科技信息;2010年36期

7 龚永义;黄辉;于继明;关履泰;;基于熵的两区域图像分割[J];中国图象图形学报;2011年05期

8 张甫;李兴来;陈佳君;;浅谈图像分割方法的研究运用[J];科技创新与应用;2012年04期

9 汪梅;何高明;贺杰;;常见图像分割的技术分析与比较[J];计算机光盘软件与应用;2013年06期

10 魏庆;卢照敢;邵超;;基于复杂性指数的图像分割必要性判别技术[J];计算机工程与应用;2013年16期

相关会议论文 前10条

1 杨魁;赵志刚;;图像分割技术综述[A];2008年中国高校通信类院系学术研讨会论文集（下册）[C];2009年

2 杨暄;郭成安;李建华;;改进的脉冲耦合神经网络及其在图像分割中的应用[A];第十届全国信号处理学术年会（CCSP-2001）论文集[C];2001年

3 杨生友;;图像分割在医学图像中应用现状综述[A];2009中华医学会影像技术分会第十七次全国学术大会论文集[C];2009年

4 闫平昆;;基于模型的图像分割技术及其医学应用[A];第十五届全国图象图形学学术会议论文集[C];2010年

5 高岚;胡友为;潘峰;卢凌;;基于小生境遗传算法的SAR图像分割[A];可持续发展的中国交通——2005全国博士生学术论坛（交通运输工程学科）论文集（下册）[C];2005年

6 孙莉;张艳宁;胡伏原;赵荣椿;;基于Gaussian-Hermite矩的SAR图像分割[A];第十三届全国图象图形学学术会议论文集[C];2006年

7 李盛;;基于协同聚类的图像分割[A];第十四届全国图象图形学学术会议论文集[C];2008年

8 张利;许家佗;;舌象图像分割技术的研究与应用进展[A];中华中医药学会中医诊断学分会第十次学术研讨会论文集[C];2009年

9 秦昆;李振宇;李辉;李德毅;;基于云模型和格网划分的图像分割方法[A];《测绘通报》测绘科学前沿技术论坛摘要集[C];2008年

10 高惠琳;窦丽华;陈文颉;谢刚;;图像分割技术在医学CT中的应用[A];中国自动化学会控制理论专业委员会A卷[C];2011年

相关博士学位论文 前10条

1 白雪飞;基于视觉显著性的图像分割方法研究[D];山西大学;2014年

2 王辉;图像分割的最优化和水平集方法研究[D];电子科技大学;2014年

3 高婧婧;脑部MR图像分割理论研究[D];电子科技大学;2014年

4 潘改;偏微分方程在图像分割中的应用研究[D];东北大学;2013年

5 李伟斌;图像分割中的变分模型与快速算法研究[D];国防科学技术大学;2014年

6 邓晓政;基于免疫克隆选择优化和谱聚类的复杂图像分割[D];西安电子科技大学;2014年

7 李积英;融合量子衍生及DNA计算速率的智能算法在图像分割中的研究[D];兰州交通大学;2014年

8 王晓坤;基于宽视场拼接成像的目标分割与跟踪算法研究[D];长春理工大学;2016年

9 吴永飞;图像分割的变分模型及数值实现[D];重庆大学;2016年

10 李忠兵;聚焦超声无创治疗肿瘤的超声图像分割方法研究[D];武汉大学;2014年

相关硕士学位论文 前10条

1 王聪聪;手机上的交互式图像分割方法研究[D];华中科技大学;2013年

2 廖小波;基于贝叶斯最优统计的图切法图像分割研究[D];昆明理工大学;2015年

3 姜士辉;基于Android系统的立木图像分割方法研究[D];东北林业大学;2015年

4 路亚缇;基于粒子群优化算法的最大熵多阈值图像分割研究[D];郑州大学;2015年

5 刘超;基于阈值图像分割的研究及在苹果定位中的应用[D];东华理工大学;2015年

6 何妮;结合显著性目标检测与图像分割的服饰提取算法研究及实现[D];西南交通大学;2015年

7 刘晓磊;基于MRF随机场模型的机器人视觉图像分割方法研究[D];西安建筑科技大学;2015年

8 王周楠;数字图像处理的研究仿真[D];中国地质大学(北京);2015年

9 许素素;改进的模糊C均值聚类算法在图像分割中的应用[D];长安大学;2015年

10 齐国红;基于FCM和SVM相结合的作物病害图像分割方法研究[D];郑州大学;2015年

，

本文编号：2046601