吴 迪, 胡 胜, 胡灵芝, 胡俊华



基于视觉注意和改进隶属度的FSVM彩色图像分割①

吴 迪1, 胡 胜2, 胡灵芝1, 胡俊华1

1(陕西中医药大学基础医学院, 咸阳 712046)2(西安交通大学机械制造系统工程国家重点实验室, 西安 710049)

针对SVM 进行图像分割时存在对噪声和孤立点较敏感导致分割结果不佳和抗造性能低下等问题, 提出一种基于视觉注意和改进隶属度的FSVM (Modified fuzzy SVM, MFSVM) 彩色图像分割方法. 该方法在考虑人类视觉显著性检测机制因素的同时, 对标准的模糊SVM算法进行改进, 新的隶属度函数综合考虑了样本点距离类中心的远近以及样本点的疏密程度, 从而有效惩罚噪声点并增强了支持向量的作用. 通过彩色图像分割进行验证, 结果显示与标准的SVM 及基于样本疏密程度隶属度的FSVM分割方法相比, 本文方法能够对复杂场景下的彩色进行有效分割, 同时呈现出良好的抗噪能力.

视觉注意; 图像分割; 支持向量机; 隶属度函数

图像分割旨在研究如何有效地将图像依据一定的规则划分成各具特性的区域并对其感兴趣区域进行提取[1], 其分割质量直接或间接影响后期图像分析和理解的效果, 故选择性能优良的图像分割算法具有重要价值和实际意义.

SVM是基于统计学习理论基础的有监督分类的新型机器学习算法, 在进行图像分割时具有潜在优势. 徐海祥[2]提出了运用SVM 算法对磁共振脑图像进行分割, 该方法中证明了核函数及模型参数对SVM分割性能产生较大影响. Ricci 等[3]提……