基于改進量子進化核聚類算法的圖像分割.pdf

1、近年來，隨著圖像通信技術(shù)的飛速發(fā)展，其應(yīng)用逐漸滲透到諸如模式識別、計算機視覺、醫(yī)學(xué)圖像處理以及遙感視覺等多個領(lǐng)域。在數(shù)字圖像處理中，圖像分割是實現(xiàn)從圖像處理到圖像分析的關(guān)鍵步驟，也是圖像理解的基礎(chǔ)，因此圖像分割的作用是至關(guān)重要的。在圖像分割算法的研究中，曾涌現(xiàn)出不少經(jīng)典的理論和方法，其中，模糊C-均值聚類算法應(yīng)用廣泛，但其存在自身難以克服的缺點，例如對噪聲敏感、聚類效果的好壞與初始樣本有關(guān)等。
　　 本文在傳統(tǒng)的模糊C-均值聚類

2、算法的基礎(chǔ)上做出如下幾個方面的改進：⑴重點研究核理論，將核函數(shù)引入傳統(tǒng)模糊聚類算法中，通過核距離來建立目標函數(shù)，形成了核模糊聚類算法，并采用在核模糊聚類的目標函數(shù)中加入控制鄰域的約束項的方式對其進行改進。經(jīng)計算機仿真表明，改進后的核聚類算法能夠有效抑制噪聲，改善對含噪聲圖像的分割效果；⑵合理采用模擬退火思想，將傳統(tǒng)量子進化算法的量子旋轉(zhuǎn)門的旋轉(zhuǎn)角度值依據(jù)進化的代數(shù)以及個體適應(yīng)度做出修正，從而改進了算法的穩(wěn)定性及準確度：⑶將改進量子進化算