排序方式: 共有2条查询结果,搜索用时 15 毫秒
1
1.
彩色图像数据信息量较大,传统的模糊 C 均值聚类算法(FCM)在分割时更加容易受到初始聚类中心影响陷入局部极值. 文中研究了一种融合差分演化、粒子群和模糊均值聚类的彩色图像分割算法(DEPSO-FCM). 利用差分演化算法的快速收敛特性、粒子群算法的全局搜索能力,解决模糊均值聚类图像分割时易受到初始聚类中心影响和陷入局部最优的问题,同时针对不同的色彩空间对于图像分割效果的影响,尝试在不同的空间上使用DEPSO-FCM 进行图像分割. 实验表明,该方法能解决 FCM 算法陷入局部最优的问题,在不同的色彩空间上都获得了理想的分割效果. 相似文献
2.
彩色图像数据信息量较大,传统的模糊C均值聚类算法(FCM)在分割时更加容易受到初始聚类中心影响陷入局部极值.文中研究了一种融合差分演化、粒子群和模糊均值聚类的彩色图像分割算法(DEPSO—FCM).利用差分演化算法的快速收敛特性、粒子群算法的全局搜索能力,解决模糊均值聚类图像分割时易受到初始聚类中心影响和陷入局部最优的问题。同时针对不同的色彩空间对于图像分割效果的影响,尝试在不同的空间上使用DEPSO-FCM进行图像分割.实验表明,该方法能解决FCM算法陷入局部最优的问题,在不同的色彩空间上都获得了理想的分割效果. 相似文献
1