基于AHLO与K均值聚类的图像分割算法

发布时间：2021-09-22 21:33

　　针对图像分割中K均值算法全局搜索能力差、初始聚类中心选择敏感的问题,提出了一种将自适应人类优化算法与K均值算法相结合的聚类算法.该算法利用自适应人类学习优化算法初始化聚类中心,提高K均值算法的稳健性.结果表明,该算法聚类得到的标准差相比传统K均值算法和基于粒子群K均值（PSO-Kmeans）算法分别小两个数量级和一个数量级,同时图像分割得到的PSNR值均较高,具有算法收敛速度更快,聚类质量更好,图像分割效果更好,适应性更强的优点. 

【文章来源】：沈阳工业大学学报. 2019,41(04)北大核心

【文章页数】：6 页

【文章目录】：
1 K-means算法
2 自适应人类学习优化算法
3 自适应人类学习优化与K-means聚类算法
    3.1 聚类策略与适应度函数
    3.2 算法流程
4 实验仿真与分析
    4.1 AHLO-Kmeans算法性能测试
    4.2 图像分割
        4.2.1 灰度图像分割
        4.2.2 彩色图像分割
5 结论


【参考文献】：
期刊论文
[1]基于二维Renyi交叉熵的刀具磨损图像分割[J]. 马英辉,吴一全.  电子测量与仪器学报. 2016(12)
[2]基于区间二型模糊集的农田障碍物分割方法[J]. 刘琼,史诺,申妙芳.  国外电子测量技术. 2016(04)
[3]基于复小波域树结构化MRF模型的声纳图像分割[J]. 夏平,刘小妹,雷帮军,吴涛.  仪器仪表学报. 2016(04)
[4]基于背景差分的高铁钢轨表面缺陷图像分割[J]. 贺振东,王耀南,刘洁,印峰.  仪器仪表学报. 2016(03)
[5]基于同态滤波和K均值聚类算法的杨梅图像分割[J]. 徐黎明,吕继东.  农业工程学报. 2015(14)
[6]基于Lab和YUV颜色空间的农田图像分割方法[J]. 刘琼,史诺.  国外电子测量技术. 2015(04)
[7]基于透射率空间与色彩纹理相关性的图像分割[J]. 王云烨,李勃,董蓉,陈惠娟,陈启美.  电子测量技术. 2015(01)



本文编号：3404410