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，anditiseasyforthealgorithmtofallintothelocaloptimal 