基于加权质量评价函数的K-means图像分割算法
K-means聚类算法是图像分割中比较常见的一种方式.它是一种无监督学习方法,能从图像的灰度值特征中发现关联规则,因而具有比较强的分割能力.但是,由于该算法使用的分类依据比较单一,且初始聚簇中心具有不确定性,其在图像分割上仍存在一定的缺陷.针对此问题,提出了一种改进的K-means算法用于图像分割.此方法使用基于信息熵的迭代改进算法为K-means算法选取初始聚类中心,然后对K-means算法提出新的加权质量评价函数用于更好地选取图像分割阈值.实验结果表明:改进后的算法在图像分割上的准确率和稳定性都要优于OTSU算法和传统的K-means算法.
图像分割、模式识别、K-means算法、阈值选取
46
TP391(计算技术、计算机技术)
国家自然科学基金面上项目61872407,61572167
2019-07-08(万方平台首次上网日期,不代表论文的发表时间)
共4页
158-160,187