邬春学，刘训洋

(上海理工大学 光电信息与计算机工程学院，上海 200093)



改进粒子群结合K-均值聚类的图像分割算法

邬春学，刘训洋

(上海理工大学 光电信息与计算机工程学院，上海 200093)

K-均值聚类的分类结果过分依赖于初始中心的选择且容易陷入局部最优。文中针对K-均值的缺陷，提出了一种基于随机权重粒子群和K-均值聚类的图像分割算法RWPSO-KM。在算法开始，利用随机权重粒子群算法的全局搜索能力避免算法陷入局部最优。然后根据公式计算种群多样性执行K-均值算法，利用K-均值算法的局部搜索能力实现算法的快速收敛。实验结果表明, RWPSO-KM与K-均值聚类和PSOK相比具有更好的分割效果和更高的分割效率。

K-均值聚类；随机权重粒子群；图像分割

图像分割指的是根据灰度、颜色、纹理和形状等特征把图像划分成若干互不交迭的区域，并使这些特征在同一区域内呈现出相似性，而在不同区域间呈现出明显的差异性[1]。图像分割是图像处理过程中的基础环节，是由图像处理到图像分析的关键步骤[2]。聚类[3-4]分析是数据挖掘的重要手段，聚类算法应用于图像分割时能够获得较好的分割效果而得到了广泛关注和应用。

K-means[5]算法是该类方法中比较常用的一种算法，这种方法首先选定某种距离度量作为元素间的相似性度量，然后确定某个评价聚类划分结果质量的准则函数，在给出聚类中心点后，用迭代的方法找出使准则函数取极大值或极小值的最好聚类结果。……