基于訓(xùn)練樣本自動(dòng)選取的SVM彩色圖像分割方法研究.pdf

1、圖像分割是圖像處理的重要研究?jī)?nèi)容，是進(jìn)行圖像分析的第一步。圖像分割的目的就是從圖像中提取人們所關(guān)心的目標(biāo)。目前很多國(guó)內(nèi)外學(xué)者已經(jīng)針對(duì)這一問(wèn)題提出了多種圖像分割方法，然而這些方法并不能夠普遍適用于所有不同種類(lèi)的圖像，所以一般的分割方法只對(duì)特定的圖像有效。
　　 支持向量機(jī)(SVM)是基于統(tǒng)計(jì)學(xué)習(xí)理論的一種分類(lèi)方法，現(xiàn)已被廣泛應(yīng)用在多個(gè)領(lǐng)域，如模式識(shí)別、數(shù)據(jù)分類(lèi)、圖像分割等。支持向量機(jī)是一種泛化能力很強(qiáng)的分類(lèi)算法，所以，將SVM算法

2、運(yùn)用到圖像分割中已成為一種普遍趨勢(shì)，且可獲得良好的分割效果。基于SVM的圖像分割方法的本質(zhì)思想是分類(lèi)，它利用圖像中像素點(diǎn)的灰度信息或其他特征作為訓(xùn)練樣本的特征屬性來(lái)訓(xùn)練SVM分類(lèi)器，接著用訓(xùn)練好的分類(lèi)器對(duì)圖像進(jìn)行分割。但是，由于SVM算法是一種有監(jiān)督的分類(lèi)算法，在應(yīng)用于圖像分割時(shí)需要人們?yōu)镾VM模型選取適合且適量的訓(xùn)練樣本，但是人們?cè)谶x取訓(xùn)練樣本時(shí)存在一定的主觀性和隨機(jī)性，而且費(fèi)時(shí)費(fèi)力，并不能獲得令人滿(mǎn)意的分割結(jié)果。因此，如何自動(dòng)選取分

3、布良好且適量的訓(xùn)練樣本且使訓(xùn)練樣本能廣泛地代表該類(lèi)樣本點(diǎn)將成為基于支持向量機(jī)的圖像分割的研究重點(diǎn)。
　　 本文針對(duì)基于SVM的圖像分割方法中選取訓(xùn)練樣本的問(wèn)題，提出了兩種可以自動(dòng)獲取訓(xùn)練樣本并自動(dòng)進(jìn)行類(lèi)別標(biāo)記的SVM彩色圖像分割方法。本文的主要工作包括:
　　 (1)對(duì)基于支持向量機(jī)的圖像分割方法進(jìn)行了深入的研究，指出現(xiàn)有SVM圖像分割方法中存在的不足與弊端，并提出改進(jìn)的方法。
　　 (2)將支持向量機(jī)算法與模糊

4、C均值(Fuzzy C-Means，F(xiàn)CM)聚類(lèi)算法相結(jié)合，提出了基于FCM和SVM的彩色圖像分割方法。該算法首先使用FCM聚類(lèi)算法對(duì)圖像進(jìn)行初分割，在分割后的兩類(lèi)樣本點(diǎn)中自動(dòng)隨機(jī)選取適量的訓(xùn)練樣本，然后分別提取圖像的屬性特征，本文分別提取顏色特征和紋理特征，將其作為訓(xùn)練樣本的屬性特征，然后訓(xùn)練SVM分類(lèi)器，最后用訓(xùn)練好的分類(lèi)器對(duì)圖像進(jìn)行分割。通過(guò)在伯克利圖像數(shù)據(jù)庫(kù)數(shù)據(jù)集上所做的大量實(shí)驗(yàn)結(jié)果表明該方法可取得很好的分割結(jié)果。