<![CDATA[<dfn id="yhprb"><s id="yhprb"></s></dfn>]]><![CDATA[<dfn id="yhprb"><delect id="yhprb"></delect></dfn>]]><![CDATA[<dfn id="yhprb"></dfn>]]><![CDATA[<dfn id="yhprb"><delect id="yhprb"></delect></dfn>]]><![CDATA[<dfn id="yhprb"></dfn>]]><![CDATA[<dfn id="yhprb"><s id="yhprb"><strike id="yhprb"></strike></s></dfn>]]><![CDATA[<small id="yhprb"></small>]]><![CDATA[<small id="yhprb"><delect id="yhprb"></delect></small>]]><![CDATA[<small id="yhprb"></small>]]><![CDATA[<small id="yhprb"></small>]]><![CDATA[<dfn id="yhprb"><delect id="yhprb"></delect></dfn>]]><![CDATA[<dfn id="yhprb"><s id="yhprb"></s></dfn>]]><![CDATA[<dfn id="yhprb"><s id="yhprb"></s></dfn>]]><![CDATA[<dfn id="yhprb"><s id="yhprb"></s></dfn>]]>
基于A(yíng)CS－FCM算法的圖像分割研究
作者：
時(shí)間：2014-02-27
來(lái)源：網(wǎng)絡(luò )
收藏
(4)
3 acs-fcm算法圖像分割
將上述蟻群聚類(lèi)算法應用于圖像分割中，可以將每只螞蟻看作具有若干特征的像素[9]。而圖像中像素灰度、鄰域均值灰度、梯度、及區域紋理、局部能量等均為其重要分割特征，在一幅圖像中，灰度、鄰域均值灰度、梯度表現了目標、背景、邊緣及噪聲的特點(diǎn)。在此算法中，每只螞蟻是以灰度、鄰域均值灰度、梯度為特征的三維向量。
如果采用基本蟻群聚類(lèi)算法，那么隨著(zhù)螞蟻的運動(dòng)，迭代到一定次數后，螞蟻容易過(guò)早限于停滯，蟻群集中在少數幾條路徑上，如果要得到全局最優(yōu)解，需要對信息素更新方式進(jìn)行改進(jìn)[10]，避免某些局部最優(yōu)路徑上信息量的增長(cháng)過(guò)快，在加快收斂和防止早熟現象之間取得一個(gè)較為合理的平衡點(diǎn)?？砂词?5)更新螞蟻到聚類(lèi)中心的信息素強度
(5)
式中：信息量調節系數a為[0,1]間的一個(gè)參數，與式(4)中的r系數相比，可以在對本條路徑t+1時(shí)刻信息量更新的同時(shí)兼顧時(shí)刻的初始信息，避免信息量的過(guò)快增長(cháng)。對上述式中信息素更新方式做進(jìn)一步的改進(jìn)
(6)
(7)
式中：lave為一次聚類(lèi)結束后的路徑平均值，di為每只螞蟻所走的路徑長(cháng)度。具體算法描述如下：
步驟1 建立模型：
將像素點(diǎn)視為螞蟻，聚類(lèi)中心視為食物源，則聚類(lèi)的過(guò)程即螞蟻覓食過(guò)程。
步驟2 參數初始化：
給定數據樣本集xi=(xi1,xi2,…,xim), i=1,2,…,n, 設置a, b,tij, nc等參數的初始值，設置初始聚類(lèi)中心ci，給出一個(gè)初始蟻群分配方案，并計算數據樣本與聚類(lèi)中心間的加權歐式距離:
步驟3 螞蟻的移動(dòng)：
對每一只螞蟻 k(k =1, 2, …, m)，根據轉移概率為其選擇一個(gè)新的節點(diǎn)，并將螞蟻移動(dòng)到此節點(diǎn)。
步驟4 更新：
一次蟻群聚類(lèi)完成后，更新各類(lèi)的聚類(lèi)中心ci，重新計算樣本點(diǎn)到該新的聚類(lèi)中心的加權距離。然后使用更新規對這兩個(gè)聚類(lèi)中心之間的路徑上的信息素濃度進(jìn)行更新。
步驟 5 目標函數及終止：
計算目標函數：
若循環(huán)次數大于規定的次數，停止運行并輸出分割所得圖片，否則轉步驟3。
4 仿真結果分析
本實(shí)驗測試平臺為genuine intel(r)2140@1.60ghz，1g內存，windowsxp，在matlab 7.0環(huán)境下仿真得到。本實(shí)驗中參數初始參數設置為：
a=0.40；b =3；r =0.95；(聚類(lèi)半徑)g =90；nc=500。
原始圖像 canny算子邊緣檢測
fcm算法分割 本文算法分割
圖2 紅細胞圖片的分割效果圖
技術(shù)專(zhuān)區
国产精品自在自线亚洲|国产精品无圣光一区二区|国产日产欧洲无码视频|久久久一本精品99久久K精品66|欧美人与动牲交片免费播放
<![CDATA[<dfn id="yhprb"><s id="yhprb"></s></dfn>]]><![CDATA[<dfn id="yhprb"><delect id="yhprb"></delect></dfn>]]><![CDATA[<dfn id="yhprb"></dfn>]]><![CDATA[<dfn id="yhprb"><delect id="yhprb"></delect></dfn>]]><![CDATA[<dfn id="yhprb"></dfn>]]><![CDATA[<dfn id="yhprb"><s id="yhprb"><strike id="yhprb"></strike></s></dfn>]]><![CDATA[<small id="yhprb"></small>]]><![CDATA[<small id="yhprb"><delect id="yhprb"></delect></small>]]><![CDATA[<small id="yhprb"></small>]]><![CDATA[<small id="yhprb"></small>]]><![CDATA[<dfn id="yhprb"><delect id="yhprb"></delect></dfn>]]><![CDATA[<dfn id="yhprb"><s id="yhprb"></s></dfn>]]><![CDATA[<dfn id="yhprb"><s id="yhprb"></s></dfn>]]><![CDATA[<dfn id="yhprb"><s id="yhprb"></s></dfn>]]>
加入技術(shù)交流群
評論