一种改进的密度峰值聚类图像分割算法

　　聚类作为一种有效的图像分割方法，被广泛地应用于计算机视觉领域。相较于其他聚类方法，密度峰值聚类（DPC）具有参数少且能有效识别非球形聚类的特点。基于此，引入信息论中的不确定性度量熵，提出一种改进的DPC图像分割算法。将图像像素点的颜色空间 CIE Lab值作为特征数据，通过计算信息熵求得自适应截断距离以取代经验取值，建立相应的决策图并确定聚类中心总数，归类非聚类中心点，剔除噪声点从而完成图像分割。在Berkeley数据集上的实验结果表明，该算法能较好地实现彩色图像的分割，其平均分割时间和PRI指标分别为4.658s和0.721。