《表1 3种算法处理结果对比》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于图像与激光多数据融合的轨枕检测方案研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

通过使用经典的聚类分割算法、K均值聚类算法（K-means clustering algorithm，K-means)[10]、多目标优化遗传算法（multi-objective genetic algorithm，MOGA)[11]与CFOA算法对加入噪声的square图像进行分割处理，选择调整兰德指数（adjusted rand index，ARI)[12]和聚类准确率（clustering accuracy，CA)[13]这两个常用的分割质量评价指标来判定分割结果的好坏。图2示出同一噪声图像经过不同算法分割处理后的效果对比。表1是3种算法处理结果的对比。从表1可以看出，随着噪声因子的增强，CA和ARI均逐渐变小，图像分割质量不断下降，而CFOA指标最优，证明了该算法的优越性。