%0 Journal Article
%T 融合全局最好和声搜索算法的模糊C均值聚类图像分割
%A 崔兆华
%A 高立群
%A 欧阳海滨
%A 李文娜
%J 中国图象图形学报
%D 2013
%R 10.11834/jig.20130910
%X 针对传统模糊C均值(FCM)聚类算法聚类数目难以确定,迭代速度慢,易陷入局部最优以及对聚类中心初始值的设置敏感等问题,提出一种融合全局最好和声搜索模糊C均值(GBHS-FCM)聚类算法。首先,利用全局最好和声搜索(GBHS)算法的全局性和鲁棒性的优点,得到初始聚类中心和聚类个数,再将其作为传统FCM聚类算法的初始聚类中心和聚类个数;其次,提出一种新颖的模糊聚类目标函数,将图像像素点邻域依赖特性考虑进来,与像素点灰度信息共同作用,增强了分割结果空间的连续性;此外,还采用了一种新颖的距离公式代替欧氏距离公式,增强了新算法对噪声的鲁棒性。仿真结果表明,新算法有效避免了传统FCM算法因初始聚类中心设置敏感而收敛到局部最优解,在聚类精度、速度和鲁棒性上均比传统FCM算法有所提高,针对具有不同特征的图像分割取得了较好的结果。
%K 图像分割
%K 模糊C均值聚类
%K 全局最好和声搜索算法
%K 聚类精度
%U http://www.cjig.cn/jig/ch/reader/view_abstract.aspx?file_no=20130910&flag=1