学位论文 > 优秀研究生学位论文题录展示

基于模糊支持向量机的彩色图像分割

作　者: 李金艳
导　师: 李雷
学　校: 南京邮电大学
专　业: 模式识别与智能系统
关键词: 彩色图像分割颜色空间特征提取模糊支持向量机隶属度函数
分类号: TP391.41
类　型: 硕士论文
年　份: 2011年
下　载: 35次
引　用: 0次
阅　读: 论文下载

内容摘要

图像分割就是把图像分成各具特性的区域并提取相关目标物的技术和过程,它是现代图像分析中的一种关键技术。但目前没有通用的彩色图像分割算法,而且大部分方法是从灰度图像的分割处理中扩展而来,难于处理彩色图像的分割。模糊分割技术是在模糊数学理论的基础上发展而来,本文正是在HSI色彩空间下,利用模糊支持向量机的特性进行彩色图像的分割。全文围绕彩色图像分割这一课题而展开,介绍了传统的彩色图像分割技术和特征提取技术,所做的主要工作有:(1)第4章引入了基于gamma隶属度函数的模糊支持向量机,并在HSI色彩空间的彩色图像颜色特征属性上,进行了彩色图像的分割实验,并进行了相关的仿真,相比传统的分割方法,具有较好的效果。(2)第5章引入了基于加性组合核函数和KNN隶属度函数的模糊支持向量机,并在HSI色彩空间的彩色图像颜色特征上,进行了彩色图像的分割实验,并与前文的彩色图像分割技术对比,取得了较好的分割效果,提高了分割性能。

全文目录

摘要  4-5
Abstract  5-8
第1章绪论  8-13
  1.1 图像处理概述  8-9
  1.2 研究现状  9-12
    1.2.1 图像特征提取的研究现状  9-10
    1.2.2 图像分割的研究现状  10-11
    1.2.3 模糊支持向量机的研究现状  11-12
  1.3 本文的内容安排  12-13
第2章传统的图像特征提取和图像分割  13-27
  2.1 传统的图像特征提取  13-17
    2.1.1 颜色特征提取  13-15
    2.1.2 纹理特征提取  15-16
    2.1.3 形状特征提取  16-17
  2.2 传统的图像分割  17-26
    2.2.1 图像分割的定义  17-18
    2.2.2 颜色空间  18-20
    2.2.3 传统的彩色图像分割方法  20-26
  2.3 本章小结  26-27
第3章模糊支持向量机理论  27-38
  3.1 统计学习理论的核心内容  27-30
    3.1.1 学习过程一致性的条件  27-28
    3.1.2 函数集的VC 维  28
    3.1.3 泛化误差的边界  28-29
    3.1.4 结构风险最小化原则  29-30
  3.2 支持向量机理论介绍  30-34
    3.2.1 线性支持向量机  30-32
    3.2.2 广义最优超平面  32-33
    3.2.3 非线性支持向量机  33-34
  3.3 模糊支持向量机理论  34-37
    3.3.1 输入样本的模糊属性  35
    3.3.2 两类FSVM  35-37
  3.4 本章小结  37-38
第4章基于gamma 隶属度的FSVM 的彩色图像分割  38-44
  4.1 FSVM 的构造  38-40
    4.1.1 核函数的选取  38
    4.1.2 gamma 隶属度函数  38-40
  4.2 FSVM 应用于彩色图像分割的算法步骤  40
  4.3 实验仿真与结果分析  40-43
    4.3.1 HSI 颜色空间下的颜色特征  41-42
    4.3.2 实验仿真结果与结果分析  42-43
  4.4 本章小结  43-44
第5章基于KNN 隶属度的FSVM 的彩色图像分割  44-50
  5.1 FSVM 的构造  44-46
    5.1.1 KNN 隶属度函数  44-45
    5.1.2 加性组合核函数  45-46
  5.2 FSVM 应用于彩色图像分割的算法步骤  46
  5.3 实验仿真与结果分析  46-49
    5.3.1 HSI 空间下的颜色特征  47-48
    5.3.2 实验仿真结果  48-49
  5.4 本章小结  49-50
第6章总结和展望  50-52
  6.1 全文总结  50-51
  6.2 展望  51-52
致谢  52-53
参考文献  53-56
攻读学位期间发表的论文  56

基于模糊支持向量机的彩色图像分割

内容摘要

全文目录

相似论文