基于AHLO与K均值聚类的图像分割算法
王丰斌
信阳农林学院 信息工程学院,河南 信阳,464000
摘要：针对图像分割中K均值算法全局搜索能力差、初始聚类中心选择敏感的问题,提出了一种将自适应人类优化算法与K均值算法相结合的聚类算法.该算法利用自适应人类学习优化算法初始化聚类中心,提高K均值算法的稳健性.结果表明,该算法聚类得到的标准差相比传统K均值算法和基于粒子群K均值(PSO-Kmeans)算法分别小两个数量级和一个数量级,同时图像分割得到的PSNR值均较高,具有算法收敛速度更快,聚类质量更好,图像分割效果更好,适应性更强的优点.
关键词：均值图像分割自适应人类学习优化算法粒子群聚类迭代全局搜索智能算法
分类号：TP391.41(计算技术、计算机技术)
资助基金：河南省科技攻关计划(182102210532)
论文发表日期：2019-07-02
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：6( 427-432 )
英文信息