基于支持向量机和灰度共生矩阵的纹理图像分割方法.pdf

基于支持向量机和灰度共生矩阵的纹理图像分割方法.pdf

ID:51450742

大小:578.68 KB

页数:4页

时间:2020-03-25

基于支持向量机和灰度共生矩阵的纹理图像分割方法.pdf_第1页
基于支持向量机和灰度共生矩阵的纹理图像分割方法.pdf_第2页
基于支持向量机和灰度共生矩阵的纹理图像分割方法.pdf_第3页
基于支持向量机和灰度共生矩阵的纹理图像分割方法.pdf_第4页
资源描述:

《基于支持向量机和灰度共生矩阵的纹理图像分割方法.pdf》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、60传感器与微系统(TransducerandMicrosystemTechnologies)2012年第31卷第9期基于支持向量机和灰度共生矩阵的纹理图像分割方法陈英,杨丰玉,符祥(1.南昌航空大学软件学院。江西南昌330063;2.吉林大学计算机科学与技术学院,吉林长春130012)摘要:图像分割是计算机视觉领域的研究热点。灰度共生矩阵是图像灰度的二阶统计度量,反映了纹理图像灰度在方向、局部邻域和变化幅度的综合信息,以能量、对比度、熵、差方差和差熵作为纹理图像的特征,利用支持向量机(SVM)对这些特征进行训练和分类,以达到纹理图像分割的目的。详细说明了纹理图像的分割过程,同时分析了

2、不同参数情况下对分割精度的影响。针对Brodatz纹理库的实验结果表明:该方法具有较好的分割效果。关键词:支持向量机;灰度共生矩阵;纹理特征提取;图像分割中图分类号:TP391文献标识码:A文章编号:1000-9787(2012)09--0060--04Methodoftextureimagesegmentationbased0nSVMandgraylevelCO-OCCnrrencematrixCHENYing.-。YANGFeng.yu。FUXiang(1.SchoolofSoftware,NanchangHangkongUniversity,Nanchang330063,Chin

3、a;2.SchoolofComputerScienceandTechnology,JilinUniversity,Changchun130012,China)Abstract:ImagesegmentationisahotspotinthefieldofcomputervisionGraylevelCO—occurrencematrixisasecond—orderstatisticalmeasureofimagegrayscalewhichreflectsthecomprehensiveinformationofimagegrayscaleinthedirection,localne

4、ighborhoodandmagnitudeofchanges,supportvectormachine(SVM)isusedintrainingandclassificationofthesefeatures,whichayeenergy,contrast,entropy,differentvarianceanddifferententropystandfortexturalimage,toachievethepurposeoftextureimagesegmentation.Theprocessoftextureimagesegmentationisexplained,andthe

5、effectofdiferentparametersonthesegmentationprecisionisanalyzed.TheexperimentalresultsofBrodatztexturelibraryshowthatthismethodhasbettersegmentationeffect.Keywords:supportvectormachine(SVM);graylevelCO-occurrencematrix;texturalfeatureextraction;imagesegmentation0引言法,它是图像灰度的二阶统计度量,反映了图像灰度在方图像分割一直以

6、来是计算机视觉领域具有挑战性的难向、局部邻域和变化幅度的综合信息,其描述了图像中灰度题,大量研究者在图像分割方面已取得了一定的研究成果,值的空间依赖性,反映了纹理模式与灰度空间的内在联系,但目前尚无通用的分割理论提出,现已提出的算法大多都从而有效地描述了纹理。本文将支持向量机(supportvec—是针对具体问题。一般的纹理图像分割过程主要包括特征tormachine,SVM)对纹理图像的灰度共生矩阵的特征属性提取和基于特征空间的图像分割。其中常用的方法有基于进行分类,以达到图像分割的目的。马尔科夫模型J,基于结构张量J,基于分型特征],基于1灰度共生矩阵特征属性半局部信息,基于小波变

7、换等方法。以上方法虽然在设有分辨率为xNy的图像,和分别为水平和分割精确度上有不同程度的效果,但是这些算法相对复杂,垂直方向上像素点的个数,是图像所有像素点的灰度量并且没有充分考虑纹理图像间固有的相关信息。1973年,化级数。设L={1,2,⋯,}为水平空间域,L={l,2,HaralickRM提出的著名的灰度共生矩阵(graylevelCO—⋯occurencematrix)是一种用来分析图像纹理特征的重要方,}为垂直空间域,G={1,2,⋯

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。