基于訓(xùn)練樣本自動選取的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內(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)。目前很多國內(nèi)外學(xué)者已經(jīng)針對這一問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的圖像，所以一般的分割方法只對特定的圖像有效。
　　 支持向量機(jī)(SVM)是基于統(tǒng)計學(xué)習(xí)理論的一種分類方法，現(xiàn)已被廣泛應(yīng)用在多個領(lǐng)域，如模式識別、數(shù)據(jù)分類、圖像分割等。支持向量機(jī)是一種泛化能力很強(qiáng)的分類算法，所以，將SVM算法

2、運用到圖像分割中已成為一種普遍趨勢，且可獲得良好的分割效果?；赟VM的圖像分割方法的本質(zhì)思想是分類，它利用圖像中像素點的灰度信息或其他特征作為訓(xùn)練樣本的特征屬性來訓(xùn)練SVM分類器，接著用訓(xùn)練好的分類器對圖像進(jìn)行分割。但是，由于SVM算法是一種有監(jiān)督的分類算法，在應(yīng)用于圖像分割時需要人們?yōu)镾VM模型選取適合且適量的訓(xùn)練樣本，但是人們在選取訓(xùn)練樣本時存在一定的主觀性和隨機(jī)性，而且費時費力，并不能獲得令人滿意的分割結(jié)果。因此，如何自動選取分

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樣本點將成為基于支持向量機(jī)的圖像分割的研究重點。
　　 本文針對基于SVM的圖像分割方法中選取訓(xùn)練樣本的問題，提出了兩種可以自動獲取訓(xùn)練樣本并自動進(jìn)行類別標(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聚類算法對圖像進(jìn)行初分割，在分割后的兩類樣本點中自動隨機(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分類器，最后用訓(xùn)練好的分類器對圖像進(jìn)行分割。通過在伯克利圖像數(shù)據(jù)庫數(shù)據(jù)集上所做的大量實驗結(jié)果表明該方法可取得很好的分割結(jié)果。