科研之友
微信
新浪微博
Facebook
分享链接
摘要
为了解决传统模糊C均值聚类算法（FCM）在对复杂图像进行分割时目标函数收敛速度较慢和算法优化结果依赖于算法初始聚类中心选择的问题，本文提出了采用蜻蜓算法优化FCM迭代过程的策略，优化后的算法能够更迅速更稳定地收敛于全局最优解。为验证优化算法的实用性与正确性并探究优化的实质，从伯克利标准图像库随机选择10幅图像进行实验，用其他元启发式算法优化的FCM算法与原FCM算法作为对照，比较分割的精确度与时耗，并记录各个部分代码的耗时进行比较。实验结果表明：在FCM算法迭代的过程中，时间开销最大的部分是计算图像的隶属度矩阵。蜻蜓算法在面对复杂问题时能减少隶属度矩阵的计算次数，更快搜索到全局最优解，从而达到优化。算法通过牺牲一部分精度，大幅降低耗时，适用于需要快速处理复杂图像的工作。
- 单位
