基于K均值聚类和粒子群优化的多核SVM图像分割
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.
图像分割、核函数、支持向量机、粒子群优化、K均值聚类
25
TP3;O23
国家自然科学基金91120014;陕西省教育厅科研计划12JK0534
2016-05-23(万方平台首次上网日期,不代表论文的发表时间)
共6页
191-196