基于训练样本自动选取的SVM彩色图像分割方法

被引：9

作者：

张荣 ^{[1
]}

王文剑 ^{[1
,2
]}

白雪飞 ^{[1
]}

机构：

[1] 山西大学计算机与信息技术学院

[2] 山西大学计算智能与中文信息处理教育部重点实验室

来源：

计算机科学 | 2012年 / 39卷 / 11期

关键词：

图像分割; 支持向量机; 模糊C均值;

D O I：

暂无

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

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 Ma-chine,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。

引用

页码：267 / 271

页数：5

共 6 条

[1] 一种采用Gabor小波的纹理特征提取方法 [J].