基于支持向量机的真彩色图像分割文献综述

 2022-07-15 08:07

文献综述

研究的目的和意义

在对图像的研究和应用过程中,人们通常只对图像中的某些特定的目标感兴趣,这些部分称为前景(目标),而其他部分称为背景(非目标)。将目标分离出来的技术就是图像分割技术。图像分割是根据实际需求与应用,按照指定特征信息,对图像中有意义的边界、兴趣区域或者相对一致的区域(灰度、颜色、纹理等)进行分解和提取的技术和过程。

图像分割是跨领域技术而且图像分割所运用到的知识往往是多方面的。随着技术的不断发展,图像分割的技术和方法也在不断地更新和发展。分割图像从黑白图像到彩色图像的变化导致了方法的变化。不同的分割方法有着多种的分割环境和分割结果,适用的分割条件的改变也会导致不同的分割结果。同时,图像分割的发展也带动了相关领域的发展,并被广泛应用于民用和军用。

Matlab中支持向量机适用于二分法和高空间纬度的图像分割,并且有着其独特的优点。Matlab二分法的模型不仅使用于简单的二分类,而且通过引入核函数,可以运用其的不同参数的改变实现分割方式和结果的改变。通过不同核函数的比较分析,最佳的分类效果是通过核函数和参数的不同实验的出的。

国内外研究现状

国内外对于支持向量机的研究有一些进展,支持向量机的发展前景也更加为人所知,也逐渐有更多的人来研究。但是,其在理论方面取得的成就相较于实践方面更胜一筹。在图像分割中,支持向量机主要运用于识别模式的一种工具,具体用于图像分割其他方面的的较为落后。近年来,支持向量机更多的被用于医疗行业图像识别分割,并且引起了广泛的关注和积极的效果。

可以确信的是,支持向量机在实践方面的研究将会逐渐被重视,基于支持向量机的图像分割也将会更加多的运用于实际的应用,而不是理论方面的研究。理论的持续发展也推动了实际运用的发展。

研究流程

传统灰度图像用于传统分割,研究了传统分割方法的优缺点。然后利用Matlab的支持向量机对真彩色图像分割进行了研究,并对分割结果进行了分析和比较。基于支持向量机的真彩色图像分割包括一下几个部分:样本选择、特征提取、训练和分割。

首先选取训练样本,选取RGB颜色空间作为使用的颜色特征空间,同时可以作为训练样本的特征;接着,高斯核函数的使用,由于参数相较于其他核函数少,所以优先考虑。最后,训练出来的SVM可用于分割图像,分割后的效果进行分析调整。

参考文献

[1]冯一鸣.基于遥感图像中港口目标的分割算法研究与实现[D].西安电子科技大学硕士学位论文,2014.

[2]吴鹏.MATLAB高效编程技巧与应用:25个案例分析[M].北京:北京航空航天大学出版社,2010.

剩余内容已隐藏,您需要先支付 5元 才能查看该篇文章全部内容!立即支付

以上是毕业论文文献综述,课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。