首页| 行业标准| 论文文档| 电子资料| 图纸模型
购买积分 购买会员 激活码充值

您现在的位置是:团子下载站 > 其他 > 如何使用One-class SVM进行噪声图像分割方法的详细资料说明

如何使用One-class SVM进行噪声图像分割方法的详细资料说明

  • 资源大小:1.60 MB
  • 上传时间:2021-06-19
  • 下载次数:0次
  • 浏览次数:135次
  • 资源积分:1积分
  • 标      签: SVM 函数 图像处理

资 源 简 介

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-classSVM方法的改进后的噪声鲁棒图像分割模型。首先,基于One-classSVM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F-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。
VIP VIP