基于改进k-means算法的数字图像聚类

摘要

cqvip:针对海量彩色图像聚类问题,本文引入改进型k-means算法并将其应用于彩色图像聚类中。该算法由类内-类间距离加权k-means算法和基于近邻传播聚类算法的类数量上界确定方法组成。在实验中,彩色图像的亮度分量的局部二值模式(Local Binary Pattern,LBP)图被重组成行向量,然后构成样本集,本文所提出的改进型k-means算法被用于对样本集进行聚类处理。实验结果显示,在多个聚类方法常用的评价指标上,本方法相比于传统方法达到了更高的聚类准确度。同时,相比于传统方法,本方法也更具有执行效率。