一种改进的K-means聚类自然图像分割算法设计与实现

摘要

在K-means聚类算法中容易受到初始划分、离群点和噪声点等因素干扰,进而导致图像分割结果差异较大.为有效地解决这些问题,提高图像分割的鲁棒性,本文提出一种改进的K-means聚类自然图像分割算法.算法借助最大最小距离准则来确定初始聚类,用邻近区域约束来处理图像局部空间的关联性.该算法在真实数据集上仿真实验,结果表明,改进算法对图像具有更好的分割效果,正确率明显提高.