-
题名基于AHLO与K均值聚类的图像分割算法
被引量:12
- 1
-
-
作者
王丰斌
-
机构
信阳农林学院信息工程学院
-
出处
《沈阳工业大学学报》
EI
CAS
北大核心
2019年第4期427-432,共6页
-
基金
河南省科技攻关项目(182102210532)
-
文摘
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.
-
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
-
Keywords
mean value
image segmentation
adaptive human learning optimization algorithm
particle swarm
clustering
iteration
global search
intelligent algorithm
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于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
-
机构
南阳医学高等专科学校
南阳理工学院
-
出处
《电子测量与仪器学报》
CSCD
北大核心
2018年第6期148-154,共7页
-
基金
河南省高等学校重点科研项目(16A520023)资助
-
文摘
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。
-
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
-
Keywords
image matching
discrete cosine transform(DCT)
adaptive human learning optimization algorithm
particle swarm optimization(PSO)
artificial bee colony(ABC) algorithm
-
分类号
TP39
[自动化与计算机技术—计算机应用技术]
-