李海洋， 文永革， 何红洲， 李柏林

(1. 绵阳师范学院数学与计算机科学学院，四川 绵阳 621000；2. 北京邮电大学计算机学院，北京 100876；3. 西南交通大学机械工程学院，四川 成都 610031)

基于随机权重粒子群和K-均值聚类的图像分割

李海洋1,2， 文永革1， 何红洲1， 李柏林3

(1. 绵阳师范学院数学与计算机科学学院，四川 绵阳 621000；2. 北京邮电大学计算机学院，北京 100876；3. 西南交通大学机械工程学院，四川 成都 610031)

K-均值聚类具有简单、快速的特点，因此被广泛应用于图像分割领域。但K-均值聚类容易陷入局部最优，影响图像分割效果。针对K-均值的缺点，提出一种基于随机权重粒子群优化(RWPSO)和 K-均值聚类的图像分割算法RWPSOK。在算法运行初期，利用随机权重粒子群优化的全局搜索能力，避免算法陷入局部最优；在算法运行后期，利用K-均值聚类的局部搜索能力，实现算法快速收敛。实验表明：RWPSOK算法能有效地克服 K-均值聚类易陷入局部最优的缺点，图像分割效果得到了明显改善；与传统粒子群与 K-均值聚类混合算法(PSOK)相比，RWPSOK算法具有更好的分割效果和更高的分割效率。

随机权重；粒子群优化；K-均值聚类；图像分割

图像分割是指将图像分为不同区域，每个区域内部的灰度、纹理、颜色等特征尽可能相同，而不同区域之间的特征尽可能不同[1]。图像分割在图像处理领域具有广泛应用，并涉及各种类型[2-3]。聚类是将一批现实或抽象的数据对象分组成为多个类或簇的过程，常常用于图像分割[4]。通过聚类方法对图像进行分割，人们能够识别图像全局分布模式以及特征之间的相互关系[5]。……