量子蚁群模糊聚类算法在图像分割中的应用.pdfVIP

第4O卷第 1期 光电工程 、b1．40．No．1 2013年 1月 Opto-ElectronicEngineering Jan。2013 文章编号：1003—501x(2013)01—0126—06 量子蚁群模糊聚类算法在图像分割中的应用 李积英，党建武 (兰州交通大学 电子与信息工程学院，兰州 730070) 摘要：针对模糊C．均值算法对初始值的依赖，容易陷入局部最优值的缺点，本文提出将量子蚁群算法与FCM 聚 类算法结合，首先利用量子蚁群算法的全局性和鲁棒性以及快速收敛的优点确定图像的初始聚类中心和聚类个数， 再将所得结果作为FCM聚类算法的初始参数，然后用FCM聚类算法对医学图像进行分割。实验结果表明，该方 法有效解决了FCM算法对初始参数的依赖，克服了FCM算法及蚁群算法容易陷入局部极值的的缺点，而且在分 割速度和精度上得到 了较大提高。 关键词：量子蚁群算法；模糊C．均值；图像分割 中图分类号：TP391；TN911．73 文献标志码 ：A doi：10．3969~．issn．1003-501X．2013．01．020 ImageSegmentationBasedonQuantum AntColonyFuzzyClusteringAlgorithm LIJi-ying，DANGJian-wu (SchoolofElectronicandInformationEngineering，LanzhouJiaotongUniversity，Lanzhou730070，China) Abstract：FuzzyC-Mena salgorithm isdependentontheinitialvalue，resultingineasytofallintothedisadvnatageofthe localoptimum value．A combination ofquantum natcolonyalgorithm nadFCM clusteringalgorithm isputforward． Firstly，hteoriginalcenternadnumbersofclusterofhteimageraedeterminedbyusingglobaltype，robustnessand advantagesoffastconvergenceofquantum natcolonyalgorithm ．Secondly，theobtmnedresultsaretakenashteinitial parametersforFCM clusteringalgoritmh ，andthenhtemedicalimageisdividedbyusingFCM clusteringalgorithm ．Itis proved thatthemehtodhasreducedthedependenceofFCM clusteringalgorithm oninitialparameterseffectively， overcomehteshortcomingsofeasyfallingintohtelocalminimum ofboht algorithms，andgreatlyimproveddividing speednadaccuracy，whichissimulatedbyrealexperiment． Keywords：uqnatumantcolonyalgoritmh ；FuzzyC-Means(FCM)clustering；imagesegmentation 0 引 言 聚类算法依据类内相似，类间相斥的原则，对数据集进行分类，结果具有非此即彼的特性，分割类别 界限比较清晰。但随着人们认识的深入，发现这种分类越来越不适用于具有模糊性的分类问题，尤是在医 学图像处理中。