[1]王鹏宇,游有鹏,杨雪峰.结合密度峰聚类的 Ｋ 均值图像分割算法[J].机械与电子,2019,(02):40-44.
　,K-means Image Segmentation Algorithm Combined with Density Peak Clustering[J].Machinery & Electronics,2019,(02):40-44.
点击复制

结合密度峰聚类的 Ｋ 均值图像分割算法()
分享到：

机械与电子[ISSN:1001-2257/CN:52-1052/TH]

卷:
期数:
2019年02期
页码:
40-44
栏目:
设计与研究
出版日期:
2019-02-24

文章信息/Info

Title:
K-means Image Segmentation Algorithm Combined with Density Peak Clustering
文章编号:
１００１-２２５７（２０１９）０２-００４０-０５
作者:
王鹏宇; 游有鹏; 杨雪峰
南京航空航天大学机电学院，江苏 南京 ２１０００１
Author(s):
ＷＡＮＧＰｅｎｇｙｕ; ＹＯＵＹｏｕｐｅｎｇ; ＹＡＮＧＸｕｅｆｅｎｇ
ＤｅｐａｒｔｍｅｎｔｏｆＭｅｃｈａｎｉｃａｌａｎｄＥｌｅｃｔｒｉｃａｌＥｎｇｉｎｅｅｒｉｎｇ， ＮａｎｊｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＡｅｒｏｎａｕｔｉｃｓａｎｄＡｓｔｒｏｎａｕｔｉｃｓ，Ｎａｎｊｉｎｇ２１０００１， Ｃｈｉｎａ
关键词:
Ｋ 均值聚类; 密度峰聚类; ＮＳＢ距离; 图像分割
Keywords:
Ｋ ｍｅａｎｓｃｌｕｓｔｅｒｉｎｇ;  ｄｅｎｓｉｔｙｐｅａｋｃｌｕｓｔｅｒｉｎｇ;  ＮＢＳｄｉｓｔａｎｃｅ; ｉｍａｇｅｓｅｇｍｅｎｔａｔｉｏｎ
分类号:
ＴＰ３９１
文献标志码:
A
摘要:
针对 Ｋ 均值聚类算法在图像分割应用中的不足，结合密度峰聚类算法对原有算法进行改进，得到了一种图像分割效果较好的改进 Ｋ 均值算法。 Ｋ 均值算法需要人工指定聚类中心数目，并且聚类中心的随机初始化对最终的图像分割结果有很大影响。 针对以上缺点，对 Ｋ 均值算法进行改进，通过密度峰聚类算法自动确定了图像分割的聚类中心数目和较为准确的初始聚类中心。 为了衡量色差在人眼中的感知情况，在算法中引入了 ＮＢＳ距离作为距离测度。 实验结果表明，改进后的图像分割算法在分割图像时具有稳定的性能和较好的效果。
Abstract:
ＡｉｍｉｎｇａｔｔｈｅｄｅｆｉｃｉｅｎｃｙｏｆＫ ｍｅａｎｓｃｌｕｓｔｅｒｉｎｇａｌｇｏｒｉｔｈｍｉｎｉｍａｇｅｓｅｇｍｅｎｔａｔｉｏｎ， ａｎｉｍ-ｐｒｏｖｅｄＫ ｍｅａｎｓａｌｇｏｒｉｔｈｍｗｉｔｈｂｅｔｔｅｒｉｍａｇｅｓｅｇｍｅｎｔａｔｉｏｎｅｆｆｅｃｔｗａｓｐｒｏｐｏｓｅｄｂｙｃｏｍｂｉｎｉｎｇｄｅｎｓｉｔｙｐｅａｋｃｌｕｓｔｅｒｉｎｇａｌｇｏｒｉｔｈｍｔｏｉｍｐｒｏｖｅｔｈｅｏｒｉｇｉｎａｌａｌｇｏｒｉｔｈｍ． ＴｈｅＫ ｍｅａｎｓａｌｇｏｒｉｔｈｍｎｅｅｄｓｔｏｓｐｅｃｉｆｙｔｈｅｎｕｍ-ｂｅｒｏｆｃｌｕｓｔｅｒｉｎｇｃｅｎｔｅｒｓｍａｎｕａｌｌｙ，ａｎｄｔｈｅｉｎｉｔｉａｌｉｚａｔｉｏｎｏｆｃｌｕｓｔｅｒｉｎｇｃｅｎｔｅｒｓｈａｓａｇｒｅａｔｉｍｐａｃｔｏｎｔｈｅｆｉｎａｌｉｍａｇｅｓｅｇｍｅｎｔａｔｉｏｎｒｅｓｕｌｔｓ． Ｉｎｖｉｅｗｏｆｔｈｅａｂｏｖｅｓｈｏｒｔｃｏｍｉｎｇｓ，ｔｈｅＫ ｍｅａｎａｌｇｏｒｉｔｈｍｗａｓｉｍｐｒｏｖｅｄ． Ｔｈｅｎｕｍｂｅｒｏｆｃｌｕｓｔｅｒｉｎｇｃｅｎｔｅｒｓａｎｄｔｈｅｍｏｒｅａｃｃｕｒａｔｅｉｎｉｔｉａｌｃｌｕｓｔｅｒｉｎｇｃｅｎｔｅｒｓｆｏｒｉｍａｇｅｓｅｇｍｅｎｔａｔｉｏｎｗｅｒｅａｕｔｏｍａｔｉｃａｌｌｙｄｅｔｅｒｍｉｎｅｄｂｙｄｅｎｓｉｔｙｐｅａｋａｌｇｏｒｉｔｈｍ． Ｉｎｏｒｄｅｒｔｏｍｅａｓｕｒｅｔｈｅｐｅｒｃｅｐｔｉｏｎｏｆｃｈｒｏｍａｔｉｃａｂｅｒ-ｒａｔｉｏｎｉｎｈｕｍａｎｅｙｅｓ， ＮＢＳｄｉｓｔａｎｃｅｗａｓｉｎｔｒｏｄｕｃｅｄｉｎｔｏｔｈｅａｌｇｏｒｉｔｈｍａｓｄｉｓｔａｎｃｅｍｅａｓｕｒｅ． Ｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅｉｍｐｒｏｖｅｄｉｍａｇｅｓｅｇｍｅｎｔａｔｉｏｎａｌｇｏｒｉｔｈｍ ｈａｓｓｔａｂｌｅｐｅｒｆｏｒｍａｎｃｅａｎｄｇｏｏｄｅｆｆｅｃｔｉｎｓｅｇｍｅｎｔａｔｉｏｎｏｆｉｍａｇｅｓ

参考文献/References:

［１］ Ｏｓｕｎａ ＥｎｃｉｓｏＶ， ＣｕｅｖａｓＥ， ＳｏｓｓａＨ． Ａｃｏｍｐａｒｉｓｏｎｏｆｎａｔｕｒｅｉｎｓｐｉｒｅｄａｌｇｏｒｉｔｈｍｓｆｏｒｍｕｌｔｉ ｔｈｒｅｓｈｏｌｄｉｍ-ａｇｅｓｅｇｍｅｎｔａｔｉｏｎ［Ｊ］． ＥｘｐｅｒｔＳｙｓｔｅｍｓｗｉｔｈ Ａｐｐｌｉｃａ-ｔｉｏｎｓ，２０１３，４０（４）：１２１３-１２１９．
［２］ 赵雪松， 陈淑珍． 综合全局二值化与边缘检测的图像分割方法［Ｊ］． 计算机辅助设计与图形学学报， ２００１，１３（２）：１１８-１２１．
［３］ 赵钦佩， 姚莉秀， 程建，等． 基于颜色信息与区域生长的图像分割新算法［Ｊ］． 上海交通大学学报，２００７，４１（５）：８０２-８０６．
［４］ 胡学刚， 严思奇． 基于ＦＣＭ 聚类的图像分割算法［Ｊ］．计算机工程与设计，２０１８（１）：１５９-１６４．
［５］ 吴永芳， 杨鑫， 徐敏，等． 基于 Ｋ 均值聚类的图割医学图像分 割 算 法 ［Ｊ］． 计 算 机 工 程， ２０１１， ３７（５）：２３２-２３４．
［６］ 苏清华， 黄樟灿， 汪金水． 数字油画制作中的加速 Ｋ均值颜 色 聚 类 算 法 ［Ｊ］． 武 汉 大 学 学 报 （理 学 版 ），２０１４，６０（２）：１７３-１７７．
［７］ ＫａｎｕｎｇｏＴ， ＭｏｕｎｔＤＭ， ＮｅｔａｎｙａｈｕＮＳ，ｅｔａｌ． Ａｎｅｆｆｉ-ｃｉｅｎｔｋ ｍｅａｎｓｃｌｕｓｔｅｒｉｎｇａｌｇｏｒｉｔｈｍ：ａｎａｌｙｓｉｓａｎｄｉｍｐｌｅ-ｍｅｎｔａｔｉｏｎ［Ｊ］． ＩＥＥＥＴｒａｎｓａｃｔｉｏｎｓｏｎＰａｔｔｅｒｎＡｎａｌｙｓｉｓ＆ＭａｃｈｉｎｅＩｎｔｅｌｌｉｇｅｎｃｅ，２００２，２４（７）：８８１-８９２．
［８］ Ｍｉｙａｈａｒａ Ｍ， ＹｏｓｈｉｄａＹ． Ｍａｔｈｅｍａｔｉｃａｌｔｒａｎｓｆｏｒｍｏｆ（Ｒ， Ｇ， Ｂ）ｃｏｌｏｒｄａｔａｔｏｍｕｎｓｅｌｌ（Ｈ， Ｖ， Ｃ）ｃｏｌｏｒｄａｔａ［Ｃ］／／ＶｉｓｕａｌＣｏｍｍｕｎｉｃａｔｉｏｎｓａｎｄＩｍａｇｅＰｒｏｃｅｓｓｉｎｇ’８８： ＴｈｉｒｄｉｎａＳｅｒｉｅｓ． ＩｎｔｅｒｎａｔｉｏｎａｌＳｏｃｉｅｔｙｆｏｒＯｐｔｉｃｓａｎｄＰｈｏｔｏｎｉｃｓ，１９８８：６５０-６５７．
［９］ ＲｏｄｒｉｇｕｅｚＡ， Ｌａｉｏ Ａ． Ｃｌｕｓｔｅｒｉｎｇｂｙｆａｓｔｓｅａｒｃｈａｎｄｆｉｎｄｏｆｄｅｎｓｉｔｙｐｅａｋｓ［Ｊ］． Ｓｃｉｅｎｃｅ， ２０１４， ３４４（６１９１）：１４９２-１４９６

备注/Memo

备注/Memo:
收稿日期：２０１８-１０-２３作者简介：王鹏宇 （１９９４－） ，男，江苏南通人，硕士研究生，研究方向为图像处理；游有鹏 （１９６０－） ，男，江苏南京人，教授，博士研究生导师，研究方向为机电控制及自动化。
更新日期/Last Update: 2019-11-01