基于粒子群模糊C-均值聚类的图像分割算法

doi:10.3778/j.issn.1002-8331.2009.31.047

计算机工程与应用 ›› 2009, Vol. 45 ›› Issue (31): 158-160.DOI: 10.3778/j.issn.1002-8331.2009.31.047

• 图形、图像、模式识别 • 上一篇下一篇

基于粒子群模糊C-均值聚类的图像分割算法

李丽丽¹，李明²，刘希玉³

1.山东师范大学信息科学与工程学院，济南 250014
2.山东师范大学实验室管理处，济南 250014
3.山东师范大学管理与经济学院，济南 250014

收稿日期:2008-06-18 修回日期:2008-10-22 出版日期:2009-11-01 发布日期:2009-11-01
通讯作者: 李丽丽

Image segmentation algorithm based on Particle Swarm Optimization fuzzy C-means clustering

LI Li-li¹，LI Ming²，LIU Xi-yu³

1.School of Information Science and Engineering，Shandong Normal University，Jinan 250014，China
2.Laboratory Management Office，Shandong Normal University，Jinan 250014，China
3.School of Management and Economics，Shandong Normal University，Jinan 250014，China

Received:2008-06-18 Revised:2008-10-22 Online:2009-11-01 Published:2009-11-01
Contact: LI Li-li

摘要/Abstract

摘要： 模糊C-均值（FCM）聚类算法是一种结合无监督聚类和模糊集合概念的图像分割技术，比较有效，但存在着受初始聚类中心和隶属度矩阵影响，可能收敛到局部极小的缺点。将粒子群优化算法（PSO）与模糊C-均值聚类算法相结合，实现了基于粒子群模糊C-均值聚类的图像分割算法。实验表明，该方法具有搜索全局最优解的能力，因而可得到很好的图像分割结果。

关键词: 图像分割, 粒子群优化算法, 模糊C-均值聚类算法, 全局优化

Abstract: The Fuzzy C-Means（FCM） clustering algorithm is an effective image segmentation algorithm.But it is sensitive to initial clustering center and membership matrix and likely converges into the local minimum，which causes the quality of image segmentation lower.A new image segmentation algorithm is proposed，which combines the particle swarm optimization（PSO） and FCM clustering.Some experimental results are given，which show that the algorithm has the effective ability of searching global optimal solution.

Key words: image segmentation, Particle Swarm Optimization, Fuzzy C-mean clustering algorithm, global optimization

中图分类号:

TP301

李丽丽¹，李明²，刘希玉³. 基于粒子群模糊C-均值聚类的图像分割算法[J]. 计算机工程与应用, 2009, 45(31): 158-160.

LI Li-li¹，LI Ming²，LIU Xi-yu³. Image segmentation algorithm based on Particle Swarm Optimization fuzzy C-means clustering[J]. Computer Engineering and Applications, 2009, 45(31): 158-160.

[1]	孙泽宇，徐琛，苏艳超，李传锋，聂雅琳. 雾计算中跨层感知分簇路由协议[J]. 计算机工程与应用, 2021, 57(9): 109-117.
[2]	史春天，曾艳阳，侯守明. 群体智能算法在图像分割中的应用综述[J]. 计算机工程与应用, 2021, 57(8): 36-47.
[3]	赵阳，张俊华. 多尺度特征融合的脊柱X线图像分割方法[J]. 计算机工程与应用, 2021, 57(8): 214-219.
[4]	潘沛鑫，潘中良. 结合显著性的主动轮廓图像分割[J]. 计算机工程与应用, 2021, 57(8): 225-230.
[5]	董鹏，周烽，赵悰悰，王亚飞，米泽田，付先平. 基于双目视觉的水下海参尺寸自动测量方法[J]. 计算机工程与应用, 2021, 57(8): 271-278.
[6]	彭璟，罗浩宇，赵淦森，林成创，易序晟，陈少洁. 深度学习下的医学影像分割算法综述[J]. 计算机工程与应用, 2021, 57(3): 44-57.
[7]	陈万芬，王宇嘉，林炜星. 异构集成代理辅助多目标粒子群优化算法[J]. 计算机工程与应用, 2021, 57(23): 71-80.
[8]	刘锐，丁辉，尚媛园，邵珠宏，刘铁. COVID-19医学影像数据集及研究进展[J]. 计算机工程与应用, 2021, 57(22): 15-27.
[9]	周绍光，吴昊，赵婵娟，陈仁喜. 利用同质区特性的高光谱图像迁移学习分类[J]. 计算机工程与应用, 2021, 57(21): 224-233.
[10]	丁成，翁理国，夏旻，崔逸尘，钱俊豪，刘佳. 多注意力机制网络卫星图像分割算法[J]. 计算机工程与应用, 2021, 57(2): 223-229.
[11]	李振强，王树才，赵世达，白宇. 改进DeepLabv3+和XGBoost的羊骨架切割方法[J]. 计算机工程与应用, 2021, 57(18): 263-269.
[12]	孙玮婕，杨军. 改进的简单非迭代聚类的遥感影像分割研究[J]. 计算机工程与应用, 2021, 57(13): 185-192.
[13]	杨勇，郭玲，叶阳东. 全变分流边与M2GGD相结合的自然图像分割方法[J]. 计算机工程与应用, 2021, 57(11): 202-210.
[14]	廖玮霖，程杉，尚冬冬，魏昭彬. 多策略融合的粒子群优化算法[J]. 计算机工程与应用, 2021, 57(1): 69-76.
[15]	鲁圆圆，冯浩，李靖. 结合分布度量统计建模的主动轮廓图像分割[J]. 计算机工程与应用, 2020, 56(7): 228-233.

基于粒子群模糊C-均值聚类的图像分割算法

Image segmentation algorithm based on Particle Swarm Optimization fuzzy C-means clustering

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics