郑州大学学报(理学版)

2011, v.43(01) 109-113

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Archive) | 高级检索(Advanced Search)

基于改进K-均值聚类的图像分割算法研究
Research of K-means Clustering Algorithm for Images Based on Weighted Euclidean Distance

李翠,冯冬青

摘要(Abstract):

为了实现彩色图像的准确分割,研究了在HLS颜色空间中基于优化初始中心的加权K-均值彩色图像聚类算法.首先对大样本的目标颜色进行数理统计,获取优化的初始聚类中心,从而实现准确分类和避免K-均值容易陷入局部最优的问题;然后在HLS颜色空间中引入加权欧氏距离来度量对象间的相关性,通过调整系数使对象不同的颜色属性内在特征得以充分利用.实验证明,该算法在保持K-均值聚类简洁、收敛速度快的同时能产生更好的聚类效果,实现彩色图像的快速准确分割.

关键词(KeyWords): K-均值聚类;加权欧氏距离;初始聚类中心;HLS颜色空间

Abstract:

Keywords:

基金项目(Foundation): 国家自然科学基金资助项目,编号60774059

作者(Author): 李翠,冯冬青

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享