支持向量机的多目标图像分割算法仿真研究  

Segment Objects from Natural Images Using SVM

作　　者：杨怀义[1] 

机构地区：[1]南充职业技术学院,四川南充637000

出　　处：《计算机仿真》2011年第12期223-226,共4页Computer Simulation

摘　　要：研究图像的目标分割和识别优化问题,针对大量自然场景图像中分割出的各种不同目标,从各种背景分割出有意义的目标有困难。为了从图像中准确分割目标,提出了一种支持向量机(SVM)的多目标分割技术。首先将图像分割为较小的区域,并利用区域融合算法将其合并为语义目标。然后通过用户的交互,指定部分关键点和关键区域,并使用支持向量机算法,将图像中的各区域分类为关键区域,融合为最终的目标区域。试验结果显示方法能分割出图像中不同的目标,能够更好地保留图像分割细节信息,使分割结果与人眼视觉的判断标准相近,证明改进的方法能广泛适用于多目标自动识别。In this paper,we proposed a novel object segmentation algorithm from natural images based on region merging.To do this,we segmented an image into regions and merged them as a semantic object.We created a critical window which contained critical map and critical points from an image.Within the window,a Support Vector Machine was used to select the critical regions,which were then clustered into the objects using the region merging method.The proposed method allows multiple objects to be segmented.Experiments have shown results close to human perception.The proposed method can be used for face detection,flight objects detection,and etc.

关 键 词：自然场景图像 目标分割 支持向量机 

分 类 号：TP317.4[自动化与计算机技术—计算机软件与理论] TP301.6[自动化与计算机技术—计算机科学与技术]