摘要
在机器识别中,图像分割是重要的一个步骤,传统分割手段存在一定缺陷。针对传统K均值聚类分割的初始聚类中心敏感的缺陷进行了优化,利用自适应天牛须优化算法,避免了这一问题。通过实验结果表明,该算法(ABASK)对图像进行分割,既可以保证图像轮廓的分割,同时还可以更多地保留图像细节。
In machine recognition,image segmentation is an important step,and traditional segmentation methods have certain defects. In this paper,the initial cluster center sensitive defects of traditional K-means clustering segmentation are optimized,and the Automatic Beetle Antennae Search( ABASK) is used to avoid this problem. The experimental results show that the ABASK segmentation of the image can not only ensure the segmentation of the image contour,but also preserve the image details.
作者
向长峰
王宸
张秀峰
XIANG Changfeng;WANG Chen;ZHANG Xiufeng(Dept of Mechanical Engineering,Hubei University of Automotive technology,Shiyan 442002,CHN;Shanghai Key Laboratory of Intelligent Manufacturing and Robotics,Shanghai University,Shanghai 200072,CHN)
出处
《制造技术与机床》
北大核心
2020年第5期99-101,共3页
Manufacturing Technology & Machine Tool
基金
工信部“高档数控机床与基础制造装备”项目(2018ZX04027001)
教育部人文社科项目(20YJCZH150)
湖北省教育厅科学技术项目(Q20181801)
汽车动力传动与电子控制湖北省重点实验室基金(ZDK1201703)
湖北汽车工业学院博士基金(BK201905)。
