一种结合训练样本筛选的SVM图像分割方法

计算机工程与应用 ›› 2007, Vol. 43 ›› Issue (10): 55-57.

一种结合训练样本筛选的SVM图像分割方法

薛志东王燕隋卫平

华中科技大学软件学院

收稿日期:2006-08-21 修回日期:1900-01-01 出版日期:2007-04-01 发布日期:2007-04-01
通讯作者: 薛志东

A SVM-based Segmentation Method with Filtration of Training Samples

zhidong Xu Yan Wang Weiping Sui

Received:2006-08-21 Revised:1900-01-01 Online:2007-04-01 Published:2007-04-01
Contact: zhidong Xu

摘要/Abstract

摘要： 基于支持向量的图像分割方法一般使用交互方式获取的训练样本，不可避免的在训练样本中引入歧义样本。这些歧义样本严重影响了基于支持向量机图像分割方法的性能。本文提出一种先对训练样本进行筛选，再进行分类（分割）的支持向量图像分割方法；并给出了一种基于支持向量机的样本筛选方法，可有效的降低歧义样本的影响。实验表明，经样本筛选的SVM分割方法有更好的分割性能。

关键词: 支持向量机, 样本筛选, 图像分割

Abstract: The mistaking samples gotten by the interactive way greatly decrease the performance of the SVM-based segmentation method. In this paper, a segmentation method based on a 2 level SVM was proposed to reduce the negative effects of the mistaking samples. The first level SVM filtered out the mistaking samples, and the second level SVM segmented the images. A SVM-based filtration method was also adopted. The experiments illustrated that the proposed method could get better result.

Key words: Support Vector Machines, Sample filtration, Image segmentation

薛志东王燕隋卫平. 一种结合训练样本筛选的SVM图像分割方法[J]. 计算机工程与应用, 2007, 43(10): 55-57.

zhidong Xu Yan Wang Weiping Sui. A SVM-based Segmentation Method with Filtration of Training Samples[J]. Computer Engineering and Applications, 2007, 43(10): 55-57.

[1]	马婷婷, 杨志霞, 叶俊佑. 鲁棒双参数化间隔支持向量机[J]. 计算机工程与应用, 2022, 58(9): 74-82.
[2]	邓佳丽, 赵凤群, 王小侠. MTICA-AEO-SVR股票价格预测模型[J]. 计算机工程与应用, 2022, 58(8): 257-263.
[3]	单怡晴, 黄梦醒, 张雨, 李玉春, 张新华, 冯思玲, 陈晶. 改进卷积神经网络的前列腺癌格里森分级研究[J]. 计算机工程与应用, 2022, 58(7): 243-249.
[4]	陈璐, 高翠芳, 鲁海燕. 利用双树复小波特征进行蛋白质二级结构预测[J]. 计算机工程与应用, 2022, 58(3): 230-234.
[5]	施漪涵, 仝明磊, 张魁, 姚宏扬. 基于双塔结构的场景文字检测模型[J]. 计算机工程与应用, 2022, 58(3): 242-248.
[6]	王国力, 孙宇, 魏本征. 医学图像图深度学习分割算法综述[J]. 计算机工程与应用, 2022, 58(12): 37-50.
[7]	陈功, 曾国辉, 黄勃, 刘瑾. 融合互利共生和透镜成像学习的HHO算法[J]. 计算机工程与应用, 2022, 58(10): 76-86.
[8]	赵小虎, 李晓, 叶圣, 李晓, 冯伟, 尤星懿. 基于改进U-Net网络的多尺度番茄病害分割算法[J]. 计算机工程与应用, 2022, 58(10): 216-223.
[9]	史春天，曾艳阳，侯守明. 群体智能算法在图像分割中的应用综述[J]. 计算机工程与应用, 2021, 57(8): 36-47.
[10]	高一锴，彭力，徐龙壮. 改进AFSA算法优化TWSVM的火焰识别方法[J]. 计算机工程与应用, 2021, 57(8): 204-213.
[11]	赵阳，张俊华. 多尺度特征融合的脊柱X线图像分割方法[J]. 计算机工程与应用, 2021, 57(8): 214-219.
[12]	潘沛鑫，潘中良. 结合显著性的主动轮廓图像分割[J]. 计算机工程与应用, 2021, 57(8): 225-230.
[13]	董鹏，周烽，赵悰悰，王亚飞，米泽田，付先平. 基于双目视觉的水下海参尺寸自动测量方法[J]. 计算机工程与应用, 2021, 57(8): 271-278.
[14]	韩卫宇，程龙生. 结合马田系统-SVM的滚动轴承故障模式分类研究[J]. 计算机工程与应用, 2021, 57(6): 239-246.
[15]	雷恒林，古兰拜尔·吐尔洪，买日旦·吾守尔，张东梅. 新奇检测综述[J]. 计算机工程与应用, 2021, 57(5): 47-55.