结合FCM和SVM的纹理分割算法

被引：3

作者：

刘路 ^{[1
]}

王太勇 ^{[2
]}

蒋永翔 ^{[2
]}

支劲章 ^{[1
]}

机构：

[1] 天津大学精密仪器与光电子工程学院

[2] 天津大学机械工程学院

来源：

计算机工程与应用 | 2008年 / 33期

关键词：

模糊聚类; 支持向量机; 纹理分割; 小波变换;

D O I：

暂无

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

支持向量机由于其具备的各种优点在图像分割领域得到越来越广泛的应用。但是作为有监督的分类器,它无法自动获取图像中的类别特征。针对这一问题,提出一种结合模糊聚类技术与支持向量机的纹理分割算法,实现了纹理图像的自动分割。在Matlab 7.0平台下进行仿真实验,得到良好效果。实验结果证明该算法能有效地提高纹理图像分割的精度。

引用

页码：32 / 33+36 +36

页数：3

共 4 条

[1] 基于支持向量机的磁共振脑组织图像分割 [J].

徐海祥 ;

喻莉 ;

朱光喜 ;

张翔 ;

田金文 .

中国图象图形学报, 2005, (10) :1275-1280

[2] 利用单类支持向量机分割血细胞图像 [J].

潘晨 ;

闫相国 ;

郑崇勋 ;

梁成文 .

西安交通大学学报, 2005, (02) :150-153

[3]

统计学习理论[M]. 电子工业出版社 , (美)瓦普尼克(VladimirN.Vapnik)著, 2004

[4]

模式识别[M]. 清华大学出版社 , 边肇祺等编著, 2000

← 1 →