【技术实现步骤摘要】
一种人工蜂群优化模糊聚类的图像快速分割算法
本专利技术涉及一种聚类算法，具体涉及一种人工蜂群优化模糊聚类的图像快速分割算法。
技术介绍
近年来，用聚类思想解决图像分割问题比较热门，在聚类分割算法中，模糊C-均值聚类算法(FCM)应用较广，但FCM聚类划分算法中聚类中心的初始值直接影响分割效果，如果聚类中心接近最后结果，则会大大减少迭代次数，否则，FCM算法容易陷入局部极小值，导致最优图像难以分割。传统的模糊C均值聚类图像分割算法是根据像素和聚类中心的加权相似性测度，对目标函数作迭代化优化，确定最佳聚类效果。为提高其分割速度，削减聚类数据的空间维度，在定位时，既能准确获取全局优化解，又要快速处理和识别目标，为了克服FCM图像分割算法陷入局部最优，提高算法速度和分割效果，特此提出一种人工蜂群优化模糊聚类的图像快速分割算法。
技术实现思路
本专利技术的目的是提供一种人工蜂群优化模糊聚类的图像快速分割算法，用自然界蜂群的采蜜智能行为来优化传统FCM算法对初始化聚类中心的敏感性问题，此算法开始时由采蜜蜂寻找食物源，用改进的适应度函数值Fi表示食物源的花蜜量，根据贪心算法对新旧食...
【技术保护点】
1.一种人工蜂群优化模糊聚类的图像快速分割算法，其特征在于，包括以下步骤：1)读入原始图像，生成图像的H‑I颜色模型统计直方图。先将待分割图像经过色彩空间变化后生成H‑I颜色模型的灰度直方图，令聚类样本集为直方图中的256个灰度级，用H‑I颜色模型的灰度直方图作为聚类方法的数据样本，削减了聚类数据的空间维度，则FCM算法的目标函数可表示为：
【技术特征摘要】
1.一种人工蜂群优化模糊聚类的图像快速分割算法，其特征在于，包括以下步骤：1)读入原始图像，生成图像的H-I颜色模型统计直方图。先将待分割图像经过色彩空间变化后生成H-I颜色模型的灰度直方图，令聚类样本集为直方图中的256个灰度级，用H-I颜色模型的灰度直方图作为聚类方法的数据样本，削减了聚类数据的空间维度，则FCM算法的目标函数可表示为：其中式中，n-图像灰度级样本数据；c-聚类个数U-隶属度矩阵；V-图像聚类中心；μi(xk)-隶属度矩阵U的元素；m-模糊隶属度指数，通常大于1；di,k-第k个灰度级xk到第i个聚类中心υi的欧式距离；JFCM(U,V)表示图像各灰度级样本到各聚类中心的加权距离平方和；2)种群初始化，输入阈值L、最大循环次数M、模糊隶属度指数m。初始化隶属度矩阵U。设采蜜蜂与跟随蜂数量为SN，随机产生SN/2个采蜜蜂的位置作为聚类中心。3)由适应度函数式(2)计算所有食物源的适应度，并设当前迭代次数为C＝1，开始循环。式中，Fi-食物源的花蜜量，λ为适应度动因子，是一个调节适应度幅度的常数，为一个大于等于1的整数；4)采蜜蜂在食物源位置Xi附近进行新的食物源搜索，由式(4)Vi＝Xi+ψi(Xi...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。