基于纹理特征的盲道区域分割算法

盲道分割是导盲系统中的重要一部分,核模糊C均值(KFCM)算法使用内核的方法来提高聚类的性能,然而,该算法具有初始化敏感,陷入局部极小和缺乏先验知识对核函数的最优参数等缺陷。若需进一步提高聚类性能,则需要克服上述问题。对此,文章提出了一种基于改进的KFCM算法,将生物地理学优化算法(BBO)与KFCM算法相结合。BBO算法没有聚类特性,主要是采用生物地理学中的迁移算子之间的信息共享解决方案,而KFCM算法受初值影响,对图像噪声很敏感,因此BBO算法可以对KFCM算法进行优化,从而提高聚类性能。实验结果表明,改进的KFCM算法较现有文献相比,可以对盲道区域进行更精确地分割,且聚类效果评价指数更优。

Blind Road Segmentation Algorithm Based on Texture Feature