K均值最大加权熵在彩色图像分割中应用.pdf

ComputerEngineeringandApplications计算机工程与应用 均值和最大加权熵在彩色图像分割中的应用 曹志广，陈 玮，马如豹 CAOZhiguang，CHEN Wei，MARubao 广东工业大学 自动化学院，广州 510006 FacultyofAutomation，GuangdongUniversityofTechnology,Guangzhou510006 China ， CAO Zhiguang，CHEN W ei，M A Rubao．ApplicationofKmeansandmaximum weightedentropyoncolorim． agesegmentation．ComputerEngineeringandApplications，2012，48(21)：174—177． Abstract：Kmeansalgorithm belongstoclusteringmethods．Itisusuallyappliedtoimagesegmentation．Todeter— minethebestvalueofK ittakesMahalanobisdistanceasmeasurementinHSIcolorspaceofimage．From theper— spectiveofinformationtheory,atargetfunctionrelatedwithmaximum weightedentropyisproposed whichcon— ， Vertstheproblem ofseekingbestK intooptimizingthetargetfunction，thus，itcanrealizetheunsupervisedsegmen． tationforcolorimage．Itsprincipleissimpleandeasytoimplement，whichcanalsogetbetterresultsthanthetradi— tiona1methods． Keywords：Kmeans；HSIcolorspace；Mahalanobisdistance；maximum weightedentropy 摘 要：均值算法属于聚类方法的一种，常用于图像分割。针对如何确定最优聚类数 这一关键问题，在彩 色图像的HSI颜色空间中，以马氏距离为距离测度进行 均值聚类，从信息论的角度出发，利用最大加权熵定 义了一个 目标函数，将最优聚类个数 的求取转换为 目标函数的寻优，实现了彩色图像的无监督分割。该方法 原理简单，易于实现，能获得比传统方法更好的分割效果。 关键词：均值；HSI颜色空间；马氏距离；最大加权熵 文章编号：1002．8331(2012)21—0174．04 文献标识码：A 中图分类号：TP391 l 前言 与其中心间距尽可能得小”这一准则用实例证明了 聚类的方法经常用于图像分割，常用的有 均值 众多学者公认的经验结论 K…≤ (为聚类样本 聚类算法、FCM算法、ISODATA算法以及谱聚类算 的个数)，这一结论缩小了最优 值的搜索范围；Pe1． 法等 。K均值算法是MacQueen在 1967年首次提出 1eg和Moore提出了基于贝叶斯信息准则 (Bayesian 来的 ，属于无监督学习的一种。 均值聚类算法的 InformationCriterion，BIC)的x均值方法来确定最 优点是：原理简单，能够动态聚类 ，具有一定的自适 优的 值，获得了不错的效果，但该方法的前提是假 应性，被广泛用于图像分割。 设数据的误差或者干扰模型完全符合正态分布 ； 应用 均值算法的关键是确定聚类个数 ，不同 GregHamerlyt在此基础上提出了G均值方法来确 的 值将导致不同的分割效果 。传统确定最优 值 定最优聚类个数 ，但是该方法仍