基于改进的一对一支持向量机方法的多目标图像分割

支持向量机方法被看作是对传统学习分类方法的一个好的替代,特别在小样本、高维情况下,具有较好的泛化性能.文章对一对一支持向量机方法进行了改进,并采用其对多目标图像进行了分割研究.实验结果表明,支持向量机方法是一种很有前景的图像分割技术.     

基于支持向量机核函数算法的图像分割研究

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。     

基于支持向量机方法的噪声图像分割

图像分割是计算机视觉领域的关键技术之一。支持向量机方法被认为是好的学习分类方法之一,特别在小样本、高维情况下,具有较好的泛化性能。针对噪声图像的分割,提出了模糊权重支持向量机方法。分割实验表明,与经典支持向量机方法相比,模糊权重支持向量机方法具有更强的抗噪性。     

基于支持向量机的彩色图像分割研究

为了提高彩色图像分割方法的性能,提出一种基于支持向量机的手动选择样本点集的分割方法。该方法通过人为主观观察颜色特征变化,在像素峰值处选择样本点,使得背景和目标样本点的颜色差异较明显,达到了简化样本点的目的,从而实现了彩色图像的快速分割,同时比较和分析核函数参数及样本点数目的不同对分割效果的影响。实验证明,与传统的窗口取样相比,该方法更加的快速有效,且算法简单,易于推广。     

基于先验知识的支持向量机在图像分割中的应用研究

文中在研究现有先验知识与支持向量机融合的基础上,针对置信度函数凭经验给出的不足,提出了一种确定置信度函数方法,更好地进行分类。该方法是建立在模糊系统理论的基础上:将样本的紧密度信息作为先验知识应用于支持向量机的构造中,在确定样本的置信度时,不仅考虑了样本到所在类中心之间的距离,还考虑样本与类中其它样本之间的关系,通过模糊连接度将支持向量与含噪声样本进行区分。文中将基于先验知识的支持向量机应用于医学图像分割,以加拿大麦吉尔大学的brainWeb模拟脑部数据库提供的不同噪声的图像进行实验,实验结果表明采用基于先验知识的支持向量机比传统支持向量机具有更好的抗噪性能及分类能力。     

基于支持向量机的版面分割问题研究

版面分割是版面分析的重要组成部分,实现复杂版面的快速、有效分割是目前亟待解决的问题。针对复杂版面分割问题,文中将相位一致性统计特征和改进灰度共生矩阵的纹理特征相结合,得到一种新的组合特征向量。将该组合特征向量作为训练样本,最终得到基于支持向量机的复杂图像分割算法。实验结果表明,与其他方法相比,基于支持向量机的方法在版面分割任务中表现出了较好的召回率与准确率,能有效区分复杂图像中的各类不同区域,该方法为如何提高复杂版面的分割准确率提供了理论参考。     

基于支持向量机的血液细胞核彩色图像分割

对血液细胞核进行精确的分割是自动分析与识别的关键环节，现有经典算法很难获得满意的效果。本文将分割问题转化为分类问题，利用支持向量机（SVM）实现血液细胞核彩色图像分割。为了获得最佳的分割效果，对采用不同色彩空间、核函数及样本数量的分割结果进行了详细的比较和分析。实验结果表明，与目前经典的分割算法比较，该算法具有分割速度快、准确率高及泛化性强等优点。     

基于支持向量机的人脸识别研究

针对人脸识别问题,提出了基于主成分分析和支持向量机分类相结合的方法实现人脸图像特征提取,并对提取的人脸特征参数进行分类与识别,得到较好的人脸识别结果。通过实验分析了支持向量机方法中惩罚项权重参数和高斯核函数参数的选择对识别率的影响。最后将支持向量机方法与KNN分类方法获得的结果进行了对比分析,证明了支持向量机方法具有很高的优越性。     

基于支持向量机的多特征目标抗干扰检测技术

针对箔条干扰时目标与干扰难以区分的问题,设计了一种基于多特征向量的分类算法.该算法首先对目标和箔条的特征进行分析,而后选择并构造了一组具有较高区分度的极化特征识别量,最后采用支持向量机(SVM)方法,通过对特征样本进行训练,获得了较好的分类结果.实验表明,所提算法具有较强的抗箔条干扰能力,且检测正确率可达90%以上.     

基于降维处理的图像超分辨率恢复方法研究

研究了利用单幅低分辨率图像重构高分辨率图像的问题.针对以往基于样本库进行图像重构算法效率较低的缺陷,提出了一种利用支持向量机回归和PCA进行特征压缩的图像重构算法.实验结果显示本文方法较插值算法有更优的恢复结果,并能同时保证较好的实时处理特性,能很好的逼近原始的真实图像.     

基于偏振图像的低照度场景多目标检测算法

偏振光反射信息可直接反演目标本征特性,且在传输过程中具备较强的抗干扰特性,因此偏振成像技术可适用于多种复杂环境中的智能监控、交通监察领域。近年来使用深度学习判读图像检测目标的方法迅速发展,已经广泛应用于图像处理的各个领域。本文提出了一种基于偏振图像与深度神经网络算法的行人、车辆多目标检测算法YOLOv5s-DOLP。首先,通过实时获取到偏振图像进行偏振信息解析,获取目标偏振度图像。其次,为增强偏振度图像中检测目标与背景存在高对比度的特性,在主干网络中引入通道注意力与空间注意力,提升网络特征进行自适应学习的能力。此外,使用K-means算法对目标位置信息进行聚类分析,加快网络在偏振度图像的学习速度,提升目标检测精度。实验结果显示,该算法结合了偏振成像和深度学习目标检测的优势,对于低照度复杂场景中的车辆、行人目标检测效果好、检测速度快,对于道路车辆的目标检测、识别与跟踪具有一定的应用价值。     

基于FGM-MRF模型的图像分割

利用Ward聚类将图像进行初始分割,其结果作为基于空间邻域信息马尔可夫随机场(MRF)模型对图像再次分割的初值,图像分割的先验概率采用Ising模型,通过有限高斯混合模型(FGM)描述图像像素灰度的条件概率分布,利用期望-最大(EM)算法估计条件概率分布模型参数,用迭代条件模式(ICM)局部优化方法,获得最大后验概率(MAP)准则下的图像分割结果.通过与其他相关算法分割结果相比较,这种算法能够明显改善分割效果.     

Application of SVM and its Improved Model in Image Segmentation

In the research and application of images, people are often only interested in the foreground or specific area of the image, so it is necessary to extract the specific area from the image, and image segmentation technology is the key to solving this problem. Aiming at the complex background and the color image with unclear target contour as the target image to be segmented, this paper first uses the texture and color of the image as the feature vector, and proposes an image segmentation algorithm based on SVM. The experimental results show that the segmentation accuracy is 91.23%. Secondly, in order to improve the accuracy of segmentation, the SVM algorithm is improved. The improved SVM algorithm is based on the grid search method to optimize the parameters C and g in the SVM. At the same time, the HIS color channel is added to the feature vector to obtain more Excellent SVM image segmentation model. Finally, the color image segmentation is verified and compared with the standard SVM algorithm. The experimental results show that the accuracy rate of the improved SVM algorithm reaches 97.263%, which improves the segmentation efficiency. It is verified that the improved model proposed in this paper can effectively segment complex color images.

     

基于图像分割的SAR图像变化检测算法及实现

本文提出一种基于图像分割的变化检测方法,该方法首先根据SAR图像统计特性进行图像分割,然后对两幅SAR图像的分割图进行融合,用相同的区域分割来描述两幅图像,再利用区域灰度和纹理等信息构造图像变化函数,用变化函数对图像进行变化检测判别,最后利用合成孔径雷达(SAR)图像进行的试验,并和变化矢量分析方法(CVA)进行比较,得到了很好的效果。     

基于显著性区域的图像分割

在经典的Chan-Vese模型中结合显著性分析,提出了一种有效的目标分割方法.即首先利用频谱残差方法提取图像的显著性区域,针对阈值分割方法的缺点使用改进的自适应阈值分割方法获取目标的大致轮廓,并以此轮廓作为Chan-Vese模型中初始曲线.该方法使得活动轮廓可以从靠近目标物体的位置进行演化,去除复杂背景的干扰.这样就解决了背景复杂时无法得到较为准确的边缘的问题;同时,也减少了CV模型的迭代次数.实验结果表明无论是背景复杂的灰度图像还是医学彩色图像,该算法的分割精度和运行效率都优于CV模型.     

基于DCT 编码图像分割算法研究

针对传统图像分割算法存在的计算量大和实时性能不佳等问题提出了基于DCT编码图像分割算法。该算法的是一种改进的交互式快速分割算法,通过DC系数与AC系数提取出纹理特征,结合自适应的正则化参数构造成一个能量函数。测试结果表明此算法不但分割效果很好,而且算法效率也大大提高。     

基于线性插值的图像分割算法

图像分割是一种特殊的图像处理技术,也是一种重要而关键的图像分析技术。得到广泛运用的全局阈值法和局部阈值法由于各自的缺陷使得图像分割效果不理想,为此将全局阈值中的迭代法与局部阈值法相结合,利用线性插值,提出了局部阈值插值分割算法,并通过仿真试验说明了该算法在分割图像时的有效性和可行性.结果令人满意。     

基于阈值法的图像分割技术

图像分割是图像处理方向的一个重要课题,阈值法因其实现简单、计算量小、具有较高的运算效率,性能较稳定,而成为图像中最基本和最广泛的分割技术。阈值法分为全局阈值法和局部阈值法两种,其中全局阈值法又可分为基于点的阈值法和基于区域的阈值法。这里主要研究基于点的全局阈值法,即最大类间方差法,并基于Matlab软件环境进行算法的仿真。该系统能够对图像中某些感兴趣的部分进行提取,较好地实现了图像分割。     

基于遗传算法的图像分割的研究

遗传算法是对生物进化论中自然选择和遗传学机理中生物进化过程的模拟来计算最优解的方法。遗传算法具有众多的优点,如鲁棒性、并行性、自适应性和快速收敛,可以应用在图像处理技术领域中图像分割技术来确定分割阈值。图像分割是图像处理技术的研究对象之一,它对于图像特征提取、图像识别等图像处理技术等有着重要意义。主要研究基于遗传算法的图像分割效果,采用Matlab软件进行仿真实验,对不同图像分割算法的效果进行比较。实验表明,遗传算法是处理图像分割的优秀算法,图像分割效果相比于传统的图像分割算法更加优秀。     

基于小波变换的图像分割技术研究

图像分割是一种重要的图像分析技术.近年来,对图像分割的研究一直是图像技术研究中的热点和焦点.介绍一种基于小波变换的图像分割方法,该方法先对图像的灰度直方图进行小波多尺度变换,然后从较大的尺度系数到较小的尺度系数逐步定位出灰度阈值.实验结果表明,该方法具有较好的抗噪声性能.