Image Segmentation Research Based on Kernel Function of Support Vector Machine Algorithm
-
摘要: 为了提高图像分割的质量，采用支持向量机核函数算法。首先寻找像素分类间隔最大的最优分类面，将非线性输入空间的样本映射到高维特征空间进行求解；然后局部核函数选择高斯径向基核函数，全局核函数选择多项式核函数，为了满足训练集中支持向量取值带来的连续性要求，通过组合系数平衡高斯核函数和多项式核函数的权重；接着选择像素的邻域灰度均值作为用于分割的特征，利用不规则度统计图像邻域灰度均值连通区域的离散程度；最后给出了算法流程。实验仿真显示本文算法分割图像清晰，目标区域十分突出，定性分析中指标归一化互相关系数为0.9946，分割时间为0.7512，误割率为0.0237。
-
点击查看大图
计量
- 文章访问数: 36
- HTML全文浏览量: 5
- PDF下载量: 9
- 被引次数: 0
下载:
