基于训练样本自动选取的SVM彩色图像分割方法

基于训练样本自动选取的SVM彩色图像分割方法
张荣;王文剑;白雪飞
【期刊名称】《计算机科学》
【年(卷),期】2012(039)011
【摘要】图像分割是模式识别、图像理解、计算机视觉等领域的重要研究内容.基于支持向量机(Support Vector Machine,SVM)的方法现已广泛应用于图像分割,但其在训练样本的选取上大多是人工选择,这降低了图像分割的自适应性,且影响了SVM的分类性能.提出一种基于训练样本自动选取的SVM彩色图像分割方法,算法首先使用模糊C均值(Fuzzy C-Means,FCM)聚类算法自动获取训练样本,然后分别提取图像颜色特征和纹理特征,将其作为SVM模型训练样本的特征属性进行训练,最后用训练好的分类器对图像进行分割.实验结果表明,提出的方法可取得很好的分割结果.%Image segmentation is an important research field of pattern recognition, image understanding and computer vision. Support vector machine (SVM) is now widely used in image segmentation, but the training samples are usually selected artificially. This will reduce the self-adaptability and affect the classification performance of image segmentation. This paper presented a color image segmentation SVM approach based on training samples automatic selection. First, Fuzzy C-Means (FCM) clustering algorithm was used to obtain the training samples for SVM automatically. Then, color and texture features were extracted from the image as attributes of training samples of SVM. Finally, the images were segmented by the trained classifier. The experiment results
demonstrate that the proposed approach can a-chieve good segmentation performance.
【总页数】5页(P267-271)
【作者】张荣;王文剑;白雪飞
【作者单位】山西大学计算机与信息技术学院太原030006;山西大学计算机与信息技术学院太原030006;山西大学计算智能与中文信息处理教育部重点实验室太原030006;山西大学计算机与信息技术学院太原030006
【正文语种】中文
【中图分类】TP399
【相关文献】
1.基于类中心的SVM训练样本集缩减改进策略 [J], 庞首颜;陈松;魏建猛;张元胜
2.基于视觉注意的SVM彩色图像分割方法 [J], 郭文涛;王文剑;白雪飞
3.一种结合训练样本筛选的SVM图像分割方法 [J], 薛志东;王燕;隋卫平
4.基于模糊聚类分析预先处理训练样本的WC-SVM方法 [J], 于哲夫;贾传荧
5.基于改进SVM的坑道毁伤仿真训练样本约简模型 [J], 袁辉;王凤山;许继恒;沈英因版权原因，仅展示原文概要，查看原文内容请购买。