作者:
基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
研究图像的目标分割和识别优化问题,针对大量自然场景图像中分割出的各种不同日标,从各种背景分割出有意义的目标有困难.为了从图像中准确分割日标,提出了一种支持向量机( SVM)的多目标分割技术.首先将图像分割为较小的区域,并利用区域融合算法将其合并为语义日标.然后通过用户的交互,指定部分关键点和关键区域,并使用支持向量机算法,将图像中的各区域分类为关键区域,融合为最终的日标区域.试验结果显示方法能分割出图像中不同的目标,能够更好地保留图像分割细节信息,使分割结果与人眼视觉的判断标准相近,证明改进的方法能广泛适用于多日标自动识别.
推荐文章
基于支持向量机方法的多目标图像分割
多目标图像分割
支持向量机
核主成份分析
基于改进的一对一支持向量机方法的多目标图像分割
统计学习理论
支持向量机
一对一方法
多目标图像分割
基于支持向量机的目标图像识别技术
图像处理
图像识别
支持向量机
基于支持向量机方法的多目标图像分割
多目标图像分割
支持向量机
统计学习理论
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 支持向量机的多目标图像分割算法仿真研究
来源期刊 计算机仿真 学科 工学
关键词 自然场景图像 目标分割 支持向量机
年,卷(期) 2011,(12) 所属期刊栏目 可视化仿真技术
研究方向 页码范围 223-226
页数 分类号 TP317.4|TP301.6
字数 3805字 语种 中文
DOI 10.3969/j.issn.1006-9348.2011.12.055
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 杨怀义 21 48 3.0 6.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (20)
共引文献  (22)
参考文献  (3)
节点文献
引证文献  (4)
同被引文献  (14)
二级引证文献  (1)
1984(3)
  • 参考文献(0)
  • 二级参考文献(3)
1993(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(1)
  • 参考文献(1)
  • 二级参考文献(0)
2002(2)
  • 参考文献(0)
  • 二级参考文献(2)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(3)
  • 参考文献(0)
  • 二级参考文献(3)
2006(3)
  • 参考文献(0)
  • 二级参考文献(3)
2007(5)
  • 参考文献(1)
  • 二级参考文献(4)
2009(1)
  • 参考文献(1)
  • 二级参考文献(0)
2011(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2012(1)
  • 引证文献(1)
  • 二级引证文献(0)
2015(2)
  • 引证文献(2)
  • 二级引证文献(0)
2020(2)
  • 引证文献(1)
  • 二级引证文献(1)
研究主题发展历程
节点文献
自然场景图像
目标分割
支持向量机
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机仿真
月刊
1006-9348
11-3724/TP
大16开
北京海淀阜成路14号
82-773
1984
chi
出版文献量(篇)
20896
总下载数(次)
43
论文1v1指导