基于加权质量评价函数的K-means图像分割算法

K-means聚类算法是图像分割中比较常见的一种方式。它是一种无监督学习方法,能从图像的灰度值特征中发现关联规则,因而具有比较强的分割能力。但是,由于该算法使用的分类依据比较单一,且初始聚簇中心具有不确定性,其在图像分割上仍存在一定的缺陷。针对此问题,提出了一种改进的K-means算法用于图像分割。此方法使用基于信息熵的迭代改进算法为K-means算法选取初始聚类中心,然后对K-means算法提出新的加权质量评价函数用于更好地选取图像分割阈值。实验结果表明:改进后的算法在图像分割上的准确率和稳定性都要优于OTSU算法和传统的K-means算法。