基于支持向量机方法的噪声图像分割

被引：9

作者：

徐海祥

夏学知

陈炜

郭丽艳

机构：

[1] 武汉数字工程研究所

来源：

关键词：

支持向量机; 噪声图像分割; 计算机视觉; 统计学习理论;

D O I：

10.19304/j.cnki.issn1000-7180.2007.11.004

中图分类号：

TP391.41 [];

学科分类号：

摘要：

图像分割是计算机视觉领域的关键技术之一。支持向量机方法被认为是好的学习分类方法之一,特别在小样本、高维情况下,具有较好的泛化性能。针对噪声图像的分割,提出了模糊权重支持向量机方法。分割实验表明,与经典支持向量机方法相比,模糊权重支持向量机方法具有更强的抗噪性。

引用

页码：14 / 16+20 +20

页数：4

共 4 条

[1]

Li, ST ;

Kwok, JT ;

Zhu, HL ;

Wang, YN .

[2]

Yan, CX ;

Sang, N ;

Zhang, TX .

[3]

Support vector machines for face recognition.[J].Guodong Guo;Stan Z. Li;Kap Luk Chan.Image and Vision Computing.2001, 9

[4]

徐海祥 ;

朱光喜 ;

张翔 ;

田金文 ;

彭复员 .