基于Shearlet变换和SVM的纹理图像分割方法研究
剪切波变换(Shearlet)不仅继承了传统小波变换的多分辨率性、局域性、临界采样等特性,而且还具有多方向性和基函数各向异性的优点；同时其还可以描述纹理图像更多的方向信息和对图像具有更强稀疏表示的能力.本文提出一种基于剪切波变换和支持向量机(SVM)的纹理图像分割算法,首先对纹理图像进行Shearlet分解,获得不同尺度的方向子带系数；然后对各尺度不同方向子带系数的纹理特征进行提取；进一步,利用模糊C均值聚类算法(FCM)对纹理特征矩阵进行分类,获取训练样本；最后将训练样本输入支持向量机进行训练获得对特征图像的分割结果.实验结果验证了所提出算法的有效性.
剪切波变换、纹理特征、模糊C均值聚类、支持向量机、纹理图像分割
34
TP391.41(计算技术、计算机技术)
国家自然科学基金项目41271422;辽宁省自然基金项目20102123;计算机软件新技术国家重点实验室开放基金KFKT2011B11;南京邮电大学图像处理与图像通信江苏省重点实验室开放基金LBEK2010003;智能计算与信息处理教育部重点实验室湘潭大学开放课题2011ICIP06
2013-06-13（万方平台首次上网日期，不代表论文的发表时间）
共5页
1-5
