支持向量机与区域增长相结合的CT图像并行分割

• 作者: 刘宛予 刘露 楚春雨 马建为
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 支持向量机(SVM) 区域增长 CT图像 并行分割
• 年，卷（期）: 2010,（5）
• 所属期刊栏目: 图形图像
• 页码范围: 237-239
• 分类号: TP391.41
• 字数: 3049字
• 语种: 中文
• DOI: 10.3969/j.issn.1002-137X.2010.05.060

摘要

针对经典区域增长算法中生长规则确定的困难和单纯使用支持向量机分割速度慢的问题,提出了一种支持向量机与区域增长相结合的图像并行分割方法.首先,从已知分割结果的图像中选取一定数量的目标区域与非目标区域样本点作为支持向量机分类器的训练样本并训练支持向量机,然后利用训练好的支持向量机自动寻找种子点并进行区域增长,在区域增长过程中使用支持向量机分类器作为增长规则,最后,针对边缘和噪声像素点进行必要的后处理.测试实验获得了较好的分割效果和较快的分割速度且能实现自动分割,表明所提出的方法是可行有效的.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘露	哈尔滨理工大学自动化学院	21	69	4.0	7.0
2	楚春雨	哈尔滨理工大学自动化学院	2	17	2.0	2.0