一种改进的全局K-均值聚类算法

将快速K中心点聚类算法确定初始中心点的思想应用于全局K-均值聚类算法,对其选取下一个簇的最佳初始中心的方法进行改进,提出选取下一个簇的最佳初始中心的一种新方法.该新方法选择一个周围样本分布相对密集,且距离现有簇的中心比较远的样本为下一个簇的最佳初始中心,得到一种改进的全局K-均值聚类算法.改进后的算法不仅可以避免将噪音点作为下一个簇的最佳初始中心点,而且在不影响聚类效果的基础上缩短了聚类时间.通过UCI机器学习数据库数据以及随机生成的人工模拟数据实验测试,证明改进的全局K-均值聚类算法与全局K-均值聚类算法及快速全局K-均值聚类算法相比在聚类时间上更优越.     

一种基于粒子群优化的K-均值彩色图像量化算法

目的利用粒子群优化算法和K-均值方法研究彩色图像的量化问题。方法针对K-均值聚类量化算法对初始值比较敏感,易陷入局部极小值从而使得算法得不到全局最优解,为局部搜索算法,以及粒子群优化算法是一种全局寻优方法的特征,把K-均值聚类方法和粒子群优化算法结合起来,将K-均值聚类方法中的聚类函数作为粒子群优化算法中的粒子适应度函数,对彩色图像进行聚类量化。结果实验表明新算法在峰值信噪比和均方根误差评判准则下可以得到更好的量化结果。结论新方法有效地克服了K-均值聚类方法和粒子群优化算法的不足。     

基于K-均值算法的植物彩色图像分割

图像的分割实质是将图像中的像素点依据对象的不同分为不同的类;应用经典的聚类算法即K-均值算法对植物彩色图像进行分割,实验结果表明:经该算法处理后能够将图像中的对象与背景分离开,并取得了较好的图像分割效果,拓宽了聚类图像分割算法应用的新领域。     

基于BIC准则的图像分割算法

为解决图像分割算法中聚类数必须事先给定,否则无法进行聚类的问题,基于BIC准则建立了图像聚类算法的新型目标函数,提出了一个自动聚类算法.该算法实现了自动聚类,通过求聚类目标函数的最小值,给出聚类数,从而为聚类数的确定提供理论依据.对两幅图像进行实验模拟,实验结果表明,本文算法是有效的,具有普适性.当聚类图像灰度变换比较明显时,本文算法与K-均值、FCM算法聚类效果相同.当聚类图像灰度变换不明显时,本文算法的聚类效果优于K-均值、FCM算法的聚类效果.     

一种整合粒子群优化和K-均值的数据聚类算法

针对K-均值聚类算法存在的不足,提出了一种新的整合粒子群优化算法(PSO)和K-均值算法的聚类算法.在新算法中,首先结合使用粒子群优化算法和K-均值算法搜索全局最优解的位置,然后再用K-均值算法在全局最优解附近的局部空间内快速寻找最优聚类中心.通过对4个数据集的实验测试,将此算法与K-均值算法、基于粒子群的K-均值算法进行了比较.实验结果表明,新算法的聚类质量比后两个算法更优.     

改进的基于模糊C-均值聚类的图像分割算法

目前的FCM类型的算法聚类数目的确定需要聚类原形参数的先验知识,否则算法就会产生误导.为了提高图像分割算法的抗噪性能,用K均值聚类算法简单、快速的优点对模糊C均值聚类算法进行改进.结合图像的邻域信息,对图像的直方图作均衡化处理,改善图像质量,通过自适应滤波,降低噪声对分割效果的影响.先用K均值聚类算法对图像进行分割,快速的获得较为准确的聚类中心和初次分割图像,避免了FCM算法中初始聚类中心选择不当造成的死点问题.用邻域灰度均值信息代替传统模糊C均值聚类算法中的灰度信息,对K均值聚类得到的图像作二次分割.该方法能更好的抑制噪声的干扰,提高了聚类算法的分割精确度.     

基于SOFM网络的改进K-均值聚类算法

针对传统的K-均值聚类算法中随机选取初始聚类中心的缺陷,提出一种改进的K-均值聚类算法,利用自组织特征映射网络(SOFM)自动获得初始聚类中心.实验结果表明,改进的K-均值聚类算法能有效改善聚类性能,提高聚类的准确率.     

基于K-均值聚类的岩芯偏振显微图像粒径分析

针对岩芯图像的粒径分析提出了一种基于K-均值聚类算法的半自动分割算法,并编写了一套颗粒粒度图像处理程序.首先将超像素处理概念应用于岩芯偏振显微图像,得到过度分割的结果,然后对分割结果进行K-均值聚类和区域融合,利用图像中的边缘信息得到了更合理的结果,并大大提高了运算的速度;根据提出的算法,基于VB.NET 2008平台构建了一套半自动岩芯图像粒度分析软件,集图像采集、图像处理、粒度参数分析、砾石种类分类以及测量报告输出等功能于一体,大大提高了岩芯粒径分析的工作效率.     

基于K-均值算法的植物彩色图像分割

图像的分割实质是将图像中的像素点依据对象的不同分为不同的类；应用经典的聚类算法即K-均值算法对植物彩色图像进行分割，实验结果表明：经该算法处理后能够将图像中的对象与背景分离开，并取得了较好的图像分割效果，拓宽了聚类图像分割算法应用的新领域。     

均值漂移算法对纬编提花针织物图像分割的探讨

为了取代人工方法来分析纬编提花针织物的彩色花型和绘制意匠图,探讨了用3种不同分割算法对提花针织物图像进行色彩识别.首先对织物的实拍图进行必要的矫正,接着采用K-均值聚类算法、闲值分割算法、均值漂移算法以及编程工具Visual C ,进行色彩的聚类和分割,实现了织物图像彩色花型的自动识别,最后在均值漂移算法的基础上,在取定的图像范围内自动生成了彩色意匠图.研究结果表明,与其他两种方法相比,均值漂移分割算法的彩色花型识别率较高,去除杂色效果较好,具有应用可行性.     

基于视觉特性的一种自适应颜色量化算法

颜色量化是数字图像处理的基本技术之一,传统的量化算法有分割法和聚类法。本文提出了一种结合分割法和聚类法特点的自适应颜色量化算法,实验结果表明,在量化质量上本算法接近K-均值聚类法,但在运行效率上十分接近中位切分法,是一种相对高质高效的颜色量化算法。     

一种模糊核聚类的彩色图像量化算法

提出了一种基于模糊核聚类的彩色图像量化算法。首先用中位切割算法对图像进行初始量化,然后依据NBS距离与人类视觉对颜色差别的定量关系确定初始聚类中心,最后结合模糊核聚类方法对Munsell空间的每个像素进行聚类以实现对颜色的修改,从而完成图像的量化。仿真结果表明:所提算法在量化数目相同的情况下,量化效果明显优于中位切割算法和模糊C均值算法。     

多幅图像显示时色彩压缩的聚类统计算法

在计算机上，同屏显示多幅彩色图像会出现明显的失真（即色彩损失）．特别是两幅图像色调差别较大时（如一幅暖色调，一幅冷色调），失真现象更为严重．为了克服这一缺陷．本文在参考Ｋ均值聚类算法的基础上，优化了初始聚类中心，提出了色彩压缩的聚类统计算法．本算法简单实现较为方便，克服了Ｋ均值算法对色彩压缩不均衡及彩色失真度大的缺点．且不需经过多次迭代即可得到令人满意的效果，压缩时间短．     

一种基于均匀颜色空间的色彩量化聚类算法

主要研究了将彩色图像重新量化为仅有几种颜色的色彩量化问题.将RGB非均匀颜色空间变换到CIE1976L*a*b*均匀颜色空间,并根据图像在L*a*b*颜色空间中的a*,b*取值范围来自动选取最初始的聚类中心,再通过K均值动态聚类算法和最近临准则得到最终的量化结果.实验结果表明,算法具有一定的实用性,量化效果也较为理想.     

彩色图象量化方法的研究

彩色图象量化是图象处理中的关键技术之一,本文讨论了几种常用的色彩量化算法,并且提出限一种新的统计聚类算法,实验表明,该算法是一种性能较好、复杂度低的图象色彩量化方法。     

一种支持视觉特性的彩色图像量化方法

彩色图像量化是数字图像处理的重要技术之一,支持视觉特性的彩色图像量化方法首先根据图像空间信息找出部分初始聚类中心,然后根据图像颜色信息找出其余的聚类中心,在聚类剩余的色彩过程中根据带权值的相似度动态地调整聚类中心。实践证明该算法既能最大程度保证图像的主导风格,又能突出细节,重建图像符合人的主观视觉感觉,是一种较好的色彩量化方法,具有一定的实用价值。     

仿造迷彩颜色确定的一种新方法

为了正确选取仿造迷彩的颜色,采用基于CIE1976L*a*b*均匀颜色空间的K-mean聚类算法将均方根误差函数作为评价函数.仿真结果表明背景图像与其三色和五色聚类图像的均方根误差均小于0.1.此算法可避免人为地在颜色空间上量化带来的色差,能与背景更有效地融合,更好地满足迷彩伪装设计要求,同时也可为仿造迷彩自动化设计提...     

基于内容的彩色细胞图像检索

提出了一种结合颜色、纹理和形状特征的细胞病理图像检索方法．首先,运用K-均值聚类方法提取出细胞核,并且采用多域值分割算法去除细胞图像中的背景区域．提取的特征包括颜色、纹理和形状等,这些特征能很好地表征单核细胞的主要特性．由于提取的特征数值范围以及物理意义不尽相同,对特征进行了归一化处理．最后提出了相关的反馈系统．该系统可以自动地调整不同特征的权值,提高了图像检索的准确率．运用该方法进行细胞图像的检索更符合人的视觉感觉要求,比仅仅提取一个特征的方法更加准确．     

一种新型图像颜色量化算法及其实现

针对针织纹织提花、印染以及陶瓷印花等图案设计系统的需求 ,提出了一种新型的基于直方图约化方法的自动分割图像颜色的算法 .本算法根据预置的颜色种类 ,计算图像的直方图 ,通过直方图的约化、磨光 ,进行分色处理 ,可自动确定图像的中心色及分割限 ,准确地归并图像颜色 .此算法可适用于黑白或彩色图案的处理