支持向量学习并行区域增长结合活动轮廓模型的图像分割算法

您当前的位置：

首页 >

文章列表页 >

更新时间：2025-09-01

- 支持向量学习并行区域增长结合活动轮廓模型的图像分割算法
- Accurate image segmentation based on support vector region growing and active contour model
- 光学技术 2006年第3期页码：410-412
- 作者机构：
  
  1. 1:哈尔滨工业大学通信电子工程系图像信息处理研究所
  2. 2:哈尔滨工业大学通信电子工程系图像信息处理研究所,哈尔滨,150001
  3. 3:燕山大学通信电子工程系
  4. 4,河北,秦皇岛,066004
- 作者简介：
- 基金信息：
  
  国家自然科学基金(60272073)
- DOI：
  中图分类号：
- 纸质出版：2006
- 稿件说明：
移动端阅览
胡正平, 张晔. 支持向量学习并行区域增长结合活动轮廓模型的图像分割算法[J]. 光学技术, 2006,(3):410-412.

Accurate image segmentation based on support vector region growing and active contour model[J]. 2006, (3): 410-412.
胡正平, 张晔. 支持向量学习并行区域增长结合活动轮廓模型的图像分割算法[J]. 光学技术, 2006,(3):410-412. DOI：

Accurate image segmentation based on support vector region growing and active contour model[J]. 2006, (3): 410-412. DOI：

为克服经典区域增长算法门限设置困难和图像分割精度不高的问题

提出了基于支持向量机学习的区域增长与活动轮廓模型结合的高精度图像分割算法。首先交互式选择属于目标区域的子块和背景区域的子块形成支持向量机的训练样本;并利用这些已知的训练样本训练支持向量分类器。在目标与背景的并行竞争增长过程中

利用训练好的支持向量分类器(SVC)进行分类判决

得到目标对象的初始轮廓。为提高分割对象的精度

采用活动轮廓模型获得准确的边缘。仿真实验获得了较好的分割效果

表明该提出的算法是合理可行的。

浏览量

240

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于区域进化的区域增长图像分割

基于高斯混合模型的多区域并行增长图像分割算法

深浅交错式特征融合的人体图像分割方法

基于小波变换和残差网络的磁共振影像分割方法

基于聚类算法的血管直径测量研究