基于支持向量机分类水平集方法图像特征提取研究.docVIP

基于支持向量机分类水平集方法图像特征提取研究 　　摘要：本文提出了一种基于支持向量机分类器的水平集方法的图像特征提取方法，在提取图像特征的水平集方法应用中，通过改进水平集能量函数，引入区域信息，能够同时提取图像目标的内外边界，并且收敛速度快。提取图像特征之后通过支持向量机非线性分类器对待处理图像进行分类。 　　关键词：水平集方法；支持向量机；特征提取 　　中图分类号：TP391.41文献标识码：A文章编号：1007-9599 (2012) 01-0000-02 　　Image Feature Extraction Study Based on Support Vector Machine Classification Level Set Methods 　　Wang Nan,Li Zheng 　　(School of Computer and Information Engineering Henan University,Kaifeng475001,China) 　　Abstract:This article proposes a level set method based on support vector machine classifier for image feature extraction method,in level set method for extracting image features in the application,by improving the energy level sets functions,the introduction of regional information,can extract the image inside and outside the boundaries of the target,and convergence speed.Feature extraction from image by nonlinear support vector machine classifier after treatment image classification. 　　Keywords:Level set method;Support vector machine;Feature extraction 　　一、引言 　　随着数字化技术的发展，特别是计算机和互联网的普及，各行各业时时刻刻都产生大量的图像数据。基于图像的各种计算机视觉系统、图像检索系统等逐渐受到广泛的关注，在这些系统中，图像的特征提取是这些系统的核心任务。 　　水平集方法(Level Set method)由Osher和Sethian于1988年提出的，用来解决界面的运动问题，因其具有拓扑结构自动识别和易于实现等优点而迅速应用于各个领域。水平集方法自提出以来，已在界面演化、流体力学、燃烧、材料力学、图像处理、计算机视觉等领域得到了广泛的应用。尤其是在图像分割与目标轮廓提取中，与主动轮廓模型相结合来做数值计算，较好地克服了传统参数主动轮廓模型（Snake）的缺点，自适应曲线拓扑结构变化，并具有稳定唯一的数值解。水平集方法的这些良好特性已经引起了人们越来越多的关注，已有很多成功的应用。 　　本文利用水平集方法对图像进行轮廓特征提取，利???支持向量机分类方法进行图像的分类处理。如下图所示： 　　 　　二、图像特征提取框架 　　图像的内容特征包括图像的外观特征（颜色、纹理、形状）和语义。其中，图像的颜色、纹理、形状等外观特征被认为是较低层次上的特征，具有相对直观的特点；而语义是较高层次上的特征，具有相对主观抽象的特点。 　　本文主要采用基于形状特征来提取图像特征。形状特征一般有两类表示方法，一类是轮廓特征，另一类是区域特征。图像的轮廓特征主要针对物体的外边界，而图像的区域特征则关系到整个形状区域。本文所采用的水平集方法就是通过对边界特征的描述来获取图像的形状参数。 　　三、水平集方法基本思想及其对图像有效特征的提取 　　（一）水平集方法的基本思想 　　在水平集方法中，平面闭合曲线 ，它被隐含地表达成三维的连续的函数曲面 中的一个具有相同函数值的同值曲线，在这里当 ，称为零水平集， 称为水平集函数。由于在高维中不仅易于拓扑变换，而且无需重新参数化，计算更加精确，所以水平集方法可以非常容易的向更高位推广。 　　（二）水平集方法对图像的特征提取 　　Chan和Vese结合水平集和Mumford-Shah模型提出的C-V水平集模型，提取目标边界时不依赖图像的梯度，而是利用特定目标灰度的一致性，对图像梯度不突出或边缘不连续的图像能实现很好的分割。 　　Mumford和