融合改进人工蜂群和K均值聚类的图像分割
针对人工蜂群优化的K均值算法易陷入局部最优、搜索精度不够、分割图像不够细致等问题,本文融合自适应人工蜂群和K均值聚类,提出了一种新的图像分割算法.算法首先利用距离最大最小乘积对种群进行初始化;其次采用自适应搜索参数动态调整邻域搜索范围,使人工蜂群算法快速收敛于全局最优;然后将人工蜂群输出的所有蜜源进行K均值聚类,克服K均值聚类结果对初始聚类中心的依赖,再将聚类划分结果进行Powell局部搜索,加快算法收敛的速度,将得到的新聚类中心更新蜂群中蜜源位置.最后,将本文算法与其他两种同类分割算法进行试验对比.实验结果表明:与其他两种算法相比,本文提出的分割算法在保证运行时间的前提下,分割准确率比其他两种算法分别至少提高了3.5%和4.8%,表现出了较高的分割质量.
自适应人工蜂群、K均值聚类、图像分割、Powell局部搜索、距离最大最小乘积
32
TP391.41(计算技术、计算机技术)
云南省教育厅科研项目No.2014Y409 Supported by Educational Scientific Research Projects of Yunnan Province2014Y409
2017-11-02(万方平台首次上网日期,不代表论文的发表时间)
共10页
726-735