期刊文献+
共找到2篇文章
< 1 >
每页显示 20 50 100
基于AHLO与K均值聚类的图像分割算法 被引量:12
1
作者 王丰斌 《沈阳工业大学学报》 EI CAS 北大核心 2019年第4期427-432,共6页
针对图像分割中K均值算法全局搜索能力差、初始聚类中心选择敏感的问题,提出了一种将自适应人类优化算法与K均值算法相结合的聚类算法.该算法利用自适应人类学习优化算法初始化聚类中心,提高K均值算法的稳健性.结果表明,该算法聚类得到... 针对图像分割中K均值算法全局搜索能力差、初始聚类中心选择敏感的问题,提出了一种将自适应人类优化算法与K均值算法相结合的聚类算法.该算法利用自适应人类学习优化算法初始化聚类中心,提高K均值算法的稳健性.结果表明,该算法聚类得到的标准差相比传统K均值算法和基于粒子群K均值(PSO-Kmeans)算法分别小两个数量级和一个数量级,同时图像分割得到的PSNR值均较高,具有算法收敛速度更快,聚类质量更好,图像分割效果更好,适应性更强的优点. 展开更多
关键词 均值 图像分割 自适应人类学习优化算法 粒子群 聚类 迭代 全局搜索 智能算法
下载PDF
基于DCT与自适应人类学习优化算法的图像匹配算法 被引量:6
2
作者 张旭 郭东恩 《电子测量与仪器学报》 CSCD 北大核心 2018年第6期148-154,共7页
为提高图像匹配的精度和速度,利用离散余弦变换(DCT)和自适应人类学习优化算法(ASHLO),提出了一种快速并且抗噪性强的图像匹配算法。该方法利用当前搜索位置子图像和模板图像离散余弦变换后的参数构造适应度函数,经过迭代寻优寻找最优... 为提高图像匹配的精度和速度,利用离散余弦变换(DCT)和自适应人类学习优化算法(ASHLO),提出了一种快速并且抗噪性强的图像匹配算法。该方法利用当前搜索位置子图像和模板图像离散余弦变换后的参数构造适应度函数,经过迭代寻优寻找最优匹配位置。将该算法在正常情况下以及不同噪声情况下与穷举法、基于粒子群算法(PSO),基于人工蜂群算法(ABC)的图像匹配算法进比较。实验结果表明,该算法可以获得较高的准确率,成功匹配率约95%,且速度快,抗噪性强。 展开更多
关键词 图像匹配 离散余弦变换 自适应人类学习优化算法 粒子群 人工蜂群
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部