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