基于动态粒子群优化与K-means聚类的图像分割算法
>>>>>164DOI:10.16652/j.issn.1004⁃373x.2018.10.042
2018年5月15日第41卷第10期
现代电子技术
ModernElectronicsTechnique
May2018Vol.41No.10
基于动态粒子群优化与K⁃means聚类的图像分割算法
2
李立军1,,张晓光1
(1.中国矿业大学机电工程学院,江苏徐州摘
221116;2.聊城大学物理科学与信息工程学院,山东聊城252059)
要: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,提出
一种基于动态粒子群优化(DPSO)与K⁃means聚类的图像分割算法(DPSOK)。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获得了更好的分割效果,且与粒子群优化和K⁃means算法相比,DPSOK算法具有更高的分割质量与效率。
关键词:图像分割;动态粒子群优化;K⁃means聚类;适应度方差;聚类算法;DPSOK中图分类号:TN911.73⁃34;TP391
文献标识码:A
文章编号:1004⁃373X(2018)10⁃0164⁃05
Imagesegmentationalgorithmbasedondynamicparticleswarm
optimizationandK⁃meansclustering
(1.SchoolofMechatronicEngineering,ChinaUniversityofMiningandTechnology,Xuzhou,221116,China;2.SchoolofPhysicsScienceandInformationEngineering,LiaochengUniversity,Liaocheng,252059,China)
2LILijun1,,ZHANGXiaoguang1
Abstract:AnimagesegmentationalgorithmbasedondynamicparticleswarmoptimizationandK⁃meansclustering(DP⁃SOK)isproposedtoresolvetheproblemsthattheimagesegmentationqualityofK⁃meansclusteringalgorithmoverlyreliesontheselectionofinitialclusteringcenter,anditiseasyforthealgorithmtofallintothelocaloptimalsolution.