基于K均值聚类和粒子群优化的多核SVM图像分割

作者：吴迪; 戴芳; 郭文艳; 胡胜

来源：计算机系统应用, 2016, 25(04): 191-196.

• 图像分割
• 核函数
• 支持向量机
• 粒子群优化
• K均值聚类

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.

• 单位
  西安交通大学机械制造系统工程国家重点实验室; 西安理工大学