针对人工蜂群优化的K均值算法易陷入局部最优、搜索精度不够、分割图像不够细致等问题, 本文融合自适应人工蜂群和K均值聚类, 提出了一种新的图像分割算法。算法首先利用距离最大最小乘积对种群进行初始化;其次采用自适应搜索参数动态调整邻域搜索范围, 使人工蜂群算法快速收敛于全局最优;然后将人工蜂群输出的所有蜜源进行K均值聚类, 克服K均值聚类结果对初始聚类中心的依赖, 再将聚类划分结果进行Powell局部搜索, 加快算法收敛的速度, 将得到的新聚类中心更新蜂群中蜜源位置。最后, 将本文算法与其他两种同类分割算法进行试验对比。实验结果表明:与其他两种算法相比, 本文提出的分割算法在保证运行时间的前提下, 分割准确率比其他两种算法分别至少提高了3.5%和4.8%, 表现出了较高的分割质量。
自适应人工蜂群 K均值聚类 图像分割 Powell局部搜索 距离最大最小乘积 artificial bee colony k-means clustering image segmentation powell local search maximum minimum product distance