关键词：图像分割 粒子群优化算法 惯性权重 学习因子 

摘要：为了提高图像分割的质量和效率,同时,针对粒子群优化算法(Particle Swarm Optimization,PSO)容易陷于局部最优和K-均值算法对初始聚类中心敏感的问题,本文将PSO和K-均值算法相结合,提出一种通过调整惯性权重和学习因子的优化算法。首先,对图像进行去噪预处理,并将处理后的颜色图像转换到HSV空间,以提高色彩质量。然后,改进粒子群算法中的惯性权重和学习因子公式及参数,避免陷入局部最优。最后,根据粒子的适应度切换到K-均值算法执行局部搜索,使聚类中心不断更新实现快速收敛。实验结果表明,在图像分割的过程中,改进的算法具有全局搜索能力强的优点,能够实现更快的收敛速度和更高的分割精度。

计算机与现代化杂志要求:

{1}参考文献：执行国标“文后参考文献著录规则（GB/T7714－2005）”，中文参考文献需要有英文对照。

{2}应具创新性、科学性、实用性，论点明确，资料可靠，数据准确，层次清楚，文字精练，用字规范。

{3}拟刊登的稿件，编辑部会及时将录用通知单及修改意见反馈给作者，作者应及时将修改稿返回编辑部，在没有约定的前提下超过3个月期限未修回，将被视为自动放弃。

{4}正文标题层次一级标题1，2，…，二级标题用1．1，1．2，…，三级标题用1．1．1，1．1．2，…，以此类推。标题层次一般不超过4级。

{5}关键词应有3～5个。词与词之间用分号分隔。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社