基于PSO优化SVM的纹理图像分割

• 作者: 云挺 周宇 王娴 邓玉和 陈云凤
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 图像分割 粒子群算法 支持向量机
• 年，卷（期）: 2014,（4）
• 所属期刊栏目: 图像处理与应用
• 页码范围: 214-218
• 页数: 5页
• 分类号: TP391.4
• 字数: 4313字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2014.04.054

摘要

针对传统纹理图像分割方法运行时间长，分割准确率较低，提出基于粒子群优化算法（PSO）优化支持向量机（SVM）的纹理图像分割方法。首先在自适应调整惯性权重λ的控制策略中加入 PSO 中的当前迭代次数和种群数，改进 PSO 的惯性权重λ的性能；接着运用 PSO 寻找最优惩罚系数 C 和高斯核函数中参数γ，然后运用 SVM方法对训练样本综合训练建立最佳分类模型，并对纹理图像分割测试。结果表明：对比传统方法，该方法不仅缩短运行时间，分割准确率也得到了提高。同时，对比传统惯性权重对分割结果的影响，改进后的方法使得平均收敛代数减少，寻优时间缩短。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	邓玉和	南京林业大学木材工业学院	37	267	9.0	14.0
2	周宇	南京林业大学信息科学技术学院	31	100	5.0	8.0
3	云挺	南京林业大学信息科学技术学院	40	138	7.0	8.0
4	王娴	南京林业大学信息科学技术学院	3	15	2.0	3.0
5	陈云凤	南京林业大学信息科学技术学院	4	19	3.0	4.0