購物車(0)
基于PSO與K-均值聚類算法優化結合的圖像分割方法
曹帥帥; 陳雪鑫; 苗圃; 卜慶凱 青島大學電子信息學院; 山東青島266071
關鍵詞：圖像分割 粒子群優化算法 慣性權重 學習因子
摘要：為了提高圖像分割的質量和效率,同時,針對粒子群優化算法(Particle Swarm Optimization,PSO)容易陷于局部最優和K-均值算法對初始聚類中心敏感的問題,本文將PSO和K-均值算法相結合,提出一種通過調整慣性權重和學習因子的優化算法。首先,對圖像進行去噪預處理,并將處理后的顏色圖像轉換到HSV空間,以提高色彩質量。然后,改進粒子群算法中的慣性權重和學習因子公式及參數,避免陷入局部最優。最后,根據粒子的適應度切換到K-均值算法執行局部搜索,使聚類中心不斷更新實現快速收斂。實驗結果表明,在圖像分割的過程中,改進的算法具有全局搜索能力強的優點,能夠實現更快的收斂速度和更高的分割精度。
計算機與現代化雜志要求:
{1}參考文獻：執行國標“文后參考文獻著錄規則（GB/T7714－2005）”，中文參考文獻需要有英文對照。
{2}應具創新性、科學性、實用性，論點明確，資料可靠，數據準確，層次清楚，文字精練，用字規范。
{3}擬刊登的稿件，編輯部會及時將錄用通知單及修改意見反饋給作者，作者應及時將修改稿返回編輯部，在沒有約定的前提下超過3個月期限未修回，將被視為自動放棄。
{4}正文標題層次一級標題1，2，…，二級標題用1．1，1．2，…，三級標題用1．1．1，1．1．2，…，以此類推。標題層次一般不超過4級。
{5}關鍵詞應有3～5個。詞與詞之間用分號分隔。
注：因版權方要求，不能公開全文，如需全文，請咨詢雜志社
相關期刊
