基于PSO與K-均值聚類算法優(yōu)化結(jié)合的圖像分割方法
關(guān)鍵詞：圖像分割 粒子群優(yōu)化算法 慣性權(quán)重 學(xué)習(xí)因子
摘要：為了提高圖像分割的質(zhì)量和效率,同時(shí),針對粒子群優(yōu)化算法(Particle Swarm Optimization,PSO)容易陷于局部最優(yōu)和K-均值算法對初始聚類中心敏感的問題,本文將PSO和K-均值算法相結(jié)合,提出一種通過調(diào)整慣性權(quán)重和學(xué)習(xí)因子的優(yōu)化算法。首先,對圖像進(jìn)行去噪預(yù)處理,并將處理后的顏色圖像轉(zhuǎn)換到HSV空間,以提高色彩質(zhì)量。然后,改進(jìn)粒子群算法中的慣性權(quán)重和學(xué)習(xí)因子公式及參數(shù),避免陷入局部最優(yōu)。最后,根據(jù)粒子的適應(yīng)度切換到K-均值算法執(zhí)行局部搜索,使聚類中心不斷更新實(shí)現(xiàn)快速收斂。實(shí)驗(yàn)結(jié)果表明,在圖像分割的過程中,改進(jìn)的算法具有全局搜索能力強(qiáng)的優(yōu)點(diǎn),能夠?qū)崿F(xiàn)更快的收斂速度和更高的分割精度。
計(jì)算機(jī)與現(xiàn)代化雜志要求:
{1}參考文獻(xiàn)：執(zhí)行國標(biāo)“文后參考文獻(xiàn)著錄規(guī)則（GB/T7714－2005）”，中文參考文獻(xiàn)需要有英文對照。
{2}應(yīng)具創(chuàng)新性、科學(xué)性、實(shí)用性，論點(diǎn)明確，資料可靠，數(shù)據(jù)準(zhǔn)確，層次清楚，文字精練，用字規(guī)范。
{3}擬刊登的稿件，編輯部會及時(shí)將錄用通知單及修改意見反饋給作者，作者應(yīng)及時(shí)將修改稿返回編輯部，在沒有約定的前提下超過3個(gè)月期限未修回，將被視為自動放棄。
{4}正文標(biāo)題層次一級標(biāo)題1，2，…，二級標(biāo)題用1．1，1．2，…，三級標(biāo)題用1．1．1，1．1．2，…，以此類推。標(biāo)題層次一般不超過4級。
{5}關(guān)鍵詞應(yīng)有3～5個(gè)。詞與詞之間用分號分隔。
注：因版權(quán)方要求，不能公開全文，如需全文，請咨詢雜志社
