一种改进的多类 SVM 彩色图像分割算法

作者： 吕景美

摘要：针对复杂自然场景下的目标分割和识别问题，提出了一种基于多类支持向量机（SVM）的彩色图像分割算法，该算法综合纹理特征和颜色特征，把灰度共生矩阵（GLCM）提取的纹理特征和LAB颜色空间的颜色矩组成输入向量，用主成份分析（PCA）算法降维，提取样本特征向量，再用改进后的多类SVM进行彩色图像分割。通过数据预处理并结合中值滤波算法，有效克服了SVM基于像素分割产生无效边缘的缺点，提高了彩色图像的分割质量，并分析了不同颜色空间和核函数对该分割算法的影响。实验结果表明，与快速模糊C均值聚类算法（FFCM）相比，图像分割的质量有明显改善，缩短了分割时间，分割图像中的目标明显，适用于以目标识别为目的的图像分割。

关键字： 多类支持向量机    灰度共生矩阵    纹理特征    图像分割      

上一篇：基于nRF24L01和GSM的沼气工程无线监测系统设计
下一篇：双滤膜活性炭盒法测量^220 Rn 及其子体技术研究与应用