论文部分内容阅读
邻近传播(AP)聚类算法在分割彩色图像时,存在相似度矩阵计算规模大、聚类时间长、空间复杂度高等问题。为此,提出一种新的彩色图像分割算法。利用简单线性迭代聚类对彩色图像进行超像素预分割,计算各超像素的L、a和b颜色分量平均值,并根据颜色分量平均值间的负欧式距离构建AP聚类算法的相似度矩阵。在AP聚类迭代过程中给出一种参考度递减的改进聚类方法,提高AP聚类算法的精确性和鲁棒性,并运用超像素聚类的轮廓系数对其评价,获得最优的AP聚类结果。实验结果表明,与现有的彩色图像聚类分割方法相比,该算法分割效果和分割