贺风婷，刘彦隆，刘鑫晶

（太原理工大学信息与计算机学院，山西晋中 030600）

海量的图片是计算机与外部世界沟通的桥梁，图像分割作为图像处理的第一步，也是最为重要的一步，是之后图像处理的基础，分割效果的好坏决定了后续步骤的质量。图像分割本质上是将像素进行分类，将具有相似特征的像素划分到一类，具有差异性的像素则被划分到不同类别[1]。FCM 算法是一种常用的聚类方法，由Dunn 首先提出，是对早期K 均值聚类算法的一种改进，其由于简单有效的特点得到了广泛的使用[2]。

近几年来，针对FCM 算法对初始聚类中心较为敏感的问题，许多群智能优化算法被应用于确定FCM 算法的聚类中心。其中，人工鱼群算法（AFSA）具备优秀的全局寻优性能，同时对初始参数的要求较低，鲁棒性较强[3]。研究学者针对人工鱼群算法做出了很多改进，文献[4]将通信行为引入人工鱼群算法中，并与FCM 算法进行结合；文献[5]利用最速下降法对公告板中适应度最好的人工鱼进行更新，提高了算法的收敛速度；文献[6]将反向学习机制引入到人工鱼群算法中，避免了算法的早熟；文献[7]利用体能变换模型确定算法搜索过程中的步长，使得算法的寻优精度得以提高；文献[8]为了防止算法陷入局部最优，在人工鱼的行为中加入了游动行为；文献[9]将跳跃行为加入到工鱼群算法中，以改善算法后期易陷入局部最优解的缺陷。虽然国内外学者针对标准AFSA 算法进行了不同程度的改进，并且用于各个领域的研究，但仍存在不足。……