登录 | 注册 | 充值 | 退出 | 公司首页 | 繁体中文 | 满意度调查
综合馆
基于One-class SVM的噪声图像分割方法
  • 摘要

    为解决现有无监督图像分割模型对强噪声环境鲁棒性差、无法适应复杂混合噪声的问题,提出了一种基于One-class SVM方法的改进后的噪声鲁棒图像分割模型.首先,基于One-class SVM构建一种数据离群程度检测机制;然后,将离群程度值引入能量泛函,令分割模型可以在多种噪声强度下获得较为准确的图像信息,同时避免现有方法在强噪声环境下,降权机制失效的问题;最后,通过最小化能量函数,驱动分割轮廓向目标边缘演化.在噪声图像分割实验中,当选取不同类型和强度的噪声时,该模型均能得到较为理想的分割结果.在F1-score评估标准下,该模型比基于局部相关熵的K-means (LCK)模型高0.2 ~0.3,在强噪声环境下具有更高的稳定性,且在分割收敛时间上仅略大于LCK模型0.1s左右.实验结果表明,所提模型在未显著增加分割耗时的前提下,对于概率、极值及混合噪声均有着更强的鲁棒性,并且可以分割带有噪声的自然图像.

  • 作者

    尚方信  郭浩  李钢  张玲  SHANG Fangxin  GUO Hao  LI Gang  ZHANG Ling 

  • 作者单位

    太原理工大学 信息与计算机学院,太原,030024

  • 刊期

    2019年3期 ISTIC PKU

  • 关键词

    图像分割  图像噪声  单类支持向量机  离群检测  能量项 

相似文献 查看更多>>
34.229.126.29