基于改进K-means算法的彩色超声图像分割

在线阅读 下载PDF 导出详情
摘要 医学中的彩色超声图像受成像机理的影响,会出现对比度不高、边缘不清晰的现象。传统的图像分割方法存在处理结果准确率低、部分目标丢失等问题。文章针对图像分割中广泛应用的K-means算法依赖初始聚类中心和搜索易收敛于局部最优等不足,在基本粒子群算法中加入惯性权重来提高收敛性能,并用该算法确定初始聚类中心,解决K-means的缺陷,然后将改进算法应用于L*a*b颜色空间的彩色超声心脏图像分割中。实验显示,改进方法改善了聚类结果的准确率和稳定性,且聚类时间也短,对色彩度低的超声图像可取得很好的分割效果。
机构地区 不详
出处 《忻州师范学院学报》 2017年2期
出版日期 2017年02月12日(中国期刊网平台首次上网日期,不代表论文的发表时间)
  • 相关文献