基于训练样本自动选取的SVM彩色图像分割方法

• 作者: 张荣 王文剑 白雪飞
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 图像分割 支持向量机 模糊C均值
• 年，卷（期）: 2012,（11）
• 所属期刊栏目: 图形图像
• 页码范围: 267-271
• 分类号: TP399
• 字数: 4963字
• 语种: 中文
• DOI: 10.3969/j.issn.1002-137X.2012.11.063

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 Machine,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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王文剑	山西大学计算机与信息技术学院	97	798	14.0	23.0
5	白雪飞	山西大学计算机与信息技术学院	9	105	8.0	9.0
6	张荣	山西大学计算机与信息技术学院	2	15	2.0	2.0