基于K均值聚类和粒子群优化的多核SVM图像分割

• 作者: 吴迪 戴芳 胡胜 郭文艳
• 来源期刊: 计算机系统应用
• 关键词: 图像分割 核函数 支持向量机 粒子群优化 K均值聚类
• 年，卷（期）: 2016,（4）
• 所属期刊栏目: 软件技术·算法
• 页码范围: 191-196
• 页数: 6页
• 字数: 3806字
• 语种: 中文

摘要

图像分割是图像理解和计算机视觉的重要内容.针对单核SVM在进行图像分割过程中不能兼顾分割精度高和泛化性能好的问题,提出一种基于K均值聚类和优化多核SVM的图像分割算法.该算法首先运用K均值聚类算法自动选取训练样本,然后提取其颜色特征和纹理特征作为训练样本的特征属性,并使用其对构造的多核SVM分割模型进行训练,最后用粒子群优化算法对多核核参数、惩罚因子以及核权重系数联合寻优,使生成的多核SVM具有更好的分割性能.实验结果表明,本文方法在有效提取图像目标细节的同时,获得了更高的分割精度,与基于单核的SVM分割模型相比,具有更强的泛化能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郭文艳	西安理工大学理学院	30	151	8.0	11.0
2	戴芳	西安理工大学理学院	42	260	9.0	13.0
3	胡胜	西安交通大学机械制造系统工程国家重点实验室	6	34	3.0	5.0
4	吴迪	西安理工大学理学院	4	5	2.0	2.0