一种基于密度峰值聚类的图像分割算法

摘要：

聚类作为一种有效的图像分割方法,被广泛地应用于计算机视觉领域.相较于其他聚类方法,密度峰值聚类(DPC)具有参数少且能有效识别非球形聚类的特点.基于此,引入信息论中的不确定性度量熵,提出一种改进的DPC图像分割算法.将图像像素点的颜色空间CIE Lab值作为特征数据,通过计算信息熵求得自适应截断距离以取代经验取值,建立相应的决策图并确定聚类中心总数,归类非聚类中心点,剔除噪声点从而完成图像分割.在Berkeley数据集上的实验结果表明,该算法能较好地实现彩色图像的分割,其平均分割时间和PRI指标分别为14.658 s和0.721.

关键词：密度峰值聚类、CIE Lab颜色空间、局部密度、截断距离、相对距离、信息熵

所属期刊栏目：46

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金61876027

在线出版日期：2020-04-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：274-278,285