基于动态粒子群优化与K均值聚类的图像分割算法撤回

作者：阮威

来源：信息技术, 2018, 42(10): 126-130.

DOI：10.13274/j.cnki.hdzj.2018.10.026

• 图像分割
• 动态粒子群优化
• K-means聚类
• 适应度方差
• 聚类算法

为了解决K-means聚类算法图像分割质量过度依赖于初始聚类中心选取,且易于陷入局部最优解等问题,文中提出了一种基于动态粒子群优化(DPSO,dynamic particle swarm optimization)与K-means聚类的图像分割算法DPSOK(dynamic particle swarm optimization and K-means)。通过动态调整惯性系数与学习因子来增强PSO算法的性能;然后计算粒子群适应度方差,找准切换至K-means算法时机;随后,将DPSO输出结果用来初始化K-means聚类中心,使其收敛至全局最优解。最后,通过最小化目标函数的多次迭代,使K-means的聚类中心不断更新,直到收敛。实验结果表明,DPSOK能有效提高K-means的全局搜索能力,在图像分割中它比K-means、PSO获得更好的分割效果。且与粒子群优化与K-means算法(PSOK,particle swarm optimization and K-means)相比,文中DPSOK算法具有更高的分割质量与效率。

• 单位
  台州职业技术学院