基于改进的K均值聚类彩色图像分割方法

被引：34

作者：

王慧 ^{[1
]}

申石磊 ^{[1
,2
]}

机构：

[1] 河南大学计算机与信息工程学院

[2] 河南大学计算中心

来源：

电脑知识与技术 | 2010年 / 6卷 / 04期

关键词：

图像分割; 粗糙集; K均值聚类; 特征向量;

D O I：

暂无

中图分类号：

TP391.41 [];

学科分类号：

摘要：

提出了一种改进的K均值聚类图像分割方法。针对彩色图像的像素特征,利用Ohta等人的研究成果,选取能有效表示彩色像素特征的彩色特征集中的第一个分量作为图像像素的一维特征向量,用来替代经典K均值聚类图像分割中的灰度,大大降低了运算量。基于粗糙集理论的算法,求出初始聚类个数与均值。选用对特征空间结构没有特殊要求的特征距离代替欧氏距离,应用改进的K均值聚类算法对样本数据进行聚类,从而实现对彩色图像的快速自动分割。实验表明,该图像分割算法可有效提高图像分类的精度和准确度,并且运算代价小,收敛速度快。

引用

页码：962 / 964

页数：3

共 4 条

[1]

Color image segmentation: advances and prospects [J].

Cheng, HD ;

Jiang, XH ;

Sun, Y ;

Wang, JL .

PATTERN RECOGNITION, 2001, 34 (12) :2259-2281

[2]

An efficient enhanced k-means clustering algorithm.[J].FAHIM A.M;SALEM A.M;TORKEY F.A;RAMADAN M.A;.Journal of Zhejiang University Science A(Science in Engineering).2006, 10

[3]

基于粗糙集的K——均值聚类算法在遥感影像分割中的应用 [J].

邵锐 ;

巫兆聪 ;

钟世明 .

现代测绘, 2005, (02) :3-5

[4]

基于特征距离的阈值法及其在眼科图象分割中的应用 [J].

张新明 ;

沈兰荪 ;

沈波 .

中国图象图形学报, 2001, (02)

← 1 →