10.3778/j.issn.1002-8331.1606-0264
微分进化自适应模糊C均值分割算法
模糊C均值(FCM)聚类算法分割图像时,对图像的背景噪声和聚类算法的初始值比较敏感,为了克服这个问题,进而提出了微分进化模糊C均值分割算法.为了避免陷入局部极值,首先使用FCM聚类初始化,接着用改进的FCM进行模糊聚类;然后进行初始化种群操作,设置微分进化DE算法的参数,计算种群中每个个体的适应值,最后对满足条件的适应值进行变异、交叉、选择操作.利用DE算法的全局搜索优化能力,有效抑制了局部极值的产生和图像的背景噪声、纹理细节对图像分割效果的影响.还克服了对初值选择敏感的问题,保证图像分割边界的完整性,是一个比较高效的方法,有效地提升了分割效果.DE算法本身具有简单,快速,鲁棒性好等优点,利用这些优点可以有效地克服FCM算法的缺点.
模糊C均值、图像分割、微分进化
53
TP391.41(计算技术、计算机技术)
国家自然科学基金重大项目课题四41390454
2017-12-25(万方平台首次上网日期,不代表论文的发表时间)
共7页
135-141