基于改进的一对一支持向量机方法的多目标图像分割

《基于改进的一对一支持向量机方法的多目标图像分割》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、维普资讯http://www.cqvip.com2005年第22卷第l2期微电子学与计算机5l基于改进的一对一支持向量机方法的多目标图像分割徐海祥1朱光喜1张翔2田金文2彭复员1(1华中科技大学电子与信息工程系，湖北武汉430074)(2华中科技大学图像识别与人工智能研究所，湖北武汉430074)摘要：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。关键词：统计学

2、习理论，支持向量机，一对一方法，多目标图像分割中图法分类号：TP751文献标识码：A文章编号：1000—7180(2005)12—051—04SegmentationofMulti-targetImageBasedonImprovedOne—against一0neSupportVectorMachineApproachXUHai—xiang，ZHUGuang—xi，ZHANGXiang2，TIANJin—wen，PENGFu—yuan(1DepartmentofElectronicsandInformationEngineering，Huazho

3、ngUniversityofScienceandTechnology，Wuhan430074China)(2InstituteofImageRecognitionandArtificialIntelligence，HuazhongUniversityofScienceandTechnology，Wuhan430074China)Abstract：Supportvectormachineapproachisconsideredagoodcandidatebecauseofitsgoodgeneralizationperfor-mance，espec

4、iallywhenthenumberoftrainingsamplesisverysmalandthedimensionoffeaturespaceisveryhigh．Inthispaper，animprovedone-against-onesupportvectormachineisproposedandthesegmentationofmulti—targetimagebasedontheimprovedone—against—onesupportvectormachineapproachisinvestigated．Experimenta

5、lresultsshowthatsupportvectormachineapproachisapromisingtechniqueforimagesegmentation．Keywords：Statisticallearningtheory，Supportvectormachine，One—against—one，Segmentationofmulti—targetimage1引言一个好的替代．特别在小样本、高维情况下，具有较在计算机视觉理论中．图像分割、特征提取与好的泛化性能SVM方法是建立在统计学习理论的目标识别构成了由低层到高层的三大任务特

6、征提VC维fVapnik—ChervonenkisDimension)~论和结构取和目标识别都以图像分割作为基础．图像分割结风险最小化原理基础上．根据有限样本信息在模型果的好坏将直接影响到后续的特征提取和目标识的复杂性和学习能力之间寻求最佳折衷．以期获得~lJ[11。图像分割是计算机视觉领域的一个经典难题．最好的泛化能力SVM方法作为一种新的学习分类尽管人们在图像分割方面已取得了大量的研究成方法．目前已经在人脸识别、纹理分类、目标检测等果．但目前尚无通用的分割理论提出．现已提出的领域得到了成功的应用。最近．采用SVM方法分割算法大多都是针对具体问

7、题正是由于图像分割的图像也得到了广泛关注不确定性及分割任务的重要性．人们至今仍在不断本文对一对一支持向量机方法进行了改进．并地研究探索新的分割理论与算法[21采用其对多目标图像进行了分割研究。为了评价该传统学习分类方法．像神经网络方法．已经在方法的分割性能．我们以磁共振脑组织图像作为实图像分割中得到了广泛的应用[3-51．但其目前遇到了验图像．将其分割成脑灰质、脑白质、脑脊髓及背景网络模型难以确定、容易出现过学习与欠学习以及四类目标局部最优等问题[61由Vapnik等人发展的支持向量机(SVM)方法[7-81被看作是对传统学习分类方法的2支持向量

8、机方法收稿日期：20o5—03—152．1两类支持向量机基金项目：国家自然科学基金的资助(60475024)考虑维两类非线性分类情况51