计算机应用

作者：李贺, 江登英, 黄樟灿, 王占占

单位：武汉理工大学 理学院, 武汉 430073

关键词：图像量化,金字塔结构,K均值聚类,粒子群优化算法,智能算法

基金：中央高校基本科研业务费专项（2017IB014）；教育部人文社会科学研究青年基金资助项目（13YJCZH060）。

针对K-means聚类算法在彩色图像颜色量化问题中对初始条件依赖性较强而易陷入局部最优的缺点，以及传统智能优化算法在寻优时只考虑了种群层内个体的相互竞争而忽略种群层间相互协作的问题，提出了一种基于K-means的金字塔结构演化策略（PES）彩色图像量化算法。首先，将K-means聚类算法中的聚类损失函数作为新算法的适应度函数；其次，运用PES对色彩进行种群初始化、分层、探索、加速以及聚类等操作；最后，利用新算法对4幅标准彩色测试图像进行不同色彩量化级的量化。实验结果表明，所提算法能够改善K-means聚类算法以及传统智能算法的上述缺陷，在类内均方误差评判准则下，图像的平均失真率比基于PES的算法低12.25%，比差分进化算法低15.52%，比粒子群优化（PSO）算法低58.33%，比K-means算法低15.06%，且随着色彩量化级的减少，算法量化后的图像失真率比其他算法降低更多，此外，算法量化图像的视觉效果优于其他算法。

来源：2019年第9期

《计算机应用》期刊编辑部

查看计算机应用杂志2019年第9期