江苏科技大学学报(自然科学版)
江囌科技大學學報(自然科學版)
강소과기대학학보(자연과학판)
JOURNAL OF JIANGSU UNIVERSITY OF SCIENCE AND TECHNOLOGY(NATURAL SCIENCE EDITION)
2014年
4期
395-402
,共8页
冯哲%陈云凤%周宇%云挺%邓玉和
馮哲%陳雲鳳%週宇%雲挺%鄧玉和
풍철%진운봉%주우%운정%산옥화
NCSPSO算法%人工鱼群算法%支持向量机%图像分割
NCSPSO算法%人工魚群算法%支持嚮量機%圖像分割
NCSPSO산법%인공어군산법%지지향량궤%도상분할
NCSPSO%AFSA%support vector machine%image segmentation
为了找到支持向量机(SVM)最佳的分类参数,用以构建适合纹理图像分割的SVM分类器,文中是将基于小生境和交叉选择算子的粒子群算法( NCSPSO)引入变异算子和族外竞争机制加以改进后与人工鱼群算法( AFSA)混合,提出了一种改进的NCSPSO-AFSA混合算法优化支持向量机参数,并分别与AFSA算法,粒子群算法(PSO),NCSPSO算法在图像分割准确率、参数寻优时间、图像分割时间等方面进行对比和分析,实验表明文中算法能够更好地获得适用于纹理图像分割的SVM参数,在缩短图像分割时间的同时提高了图像分割准确率,相比较其他算法,文中算法稳健性更好。将此方法应用于电镜及超声纹理图像分割中能较好地提取出目标区域,图像边缘部分的分类也很清晰。
為瞭找到支持嚮量機(SVM)最佳的分類參數,用以構建適閤紋理圖像分割的SVM分類器,文中是將基于小生境和交扠選擇算子的粒子群算法( NCSPSO)引入變異算子和族外競爭機製加以改進後與人工魚群算法( AFSA)混閤,提齣瞭一種改進的NCSPSO-AFSA混閤算法優化支持嚮量機參數,併分彆與AFSA算法,粒子群算法(PSO),NCSPSO算法在圖像分割準確率、參數尋優時間、圖像分割時間等方麵進行對比和分析,實驗錶明文中算法能夠更好地穫得適用于紋理圖像分割的SVM參數,在縮短圖像分割時間的同時提高瞭圖像分割準確率,相比較其他算法,文中算法穩健性更好。將此方法應用于電鏡及超聲紋理圖像分割中能較好地提取齣目標區域,圖像邊緣部分的分類也很清晰。
위료조도지지향량궤(SVM)최가적분류삼수,용이구건괄합문리도상분할적SVM분류기,문중시장기우소생경화교차선택산자적입자군산법( NCSPSO)인입변이산자화족외경쟁궤제가이개진후여인공어군산법( AFSA)혼합,제출료일충개진적NCSPSO-AFSA혼합산법우화지지향량궤삼수,병분별여AFSA산법,입자군산법(PSO),NCSPSO산법재도상분할준학솔、삼수심우시간、도상분할시간등방면진행대비화분석,실험표명문중산법능구경호지획득괄용우문리도상분할적SVM삼수,재축단도상분할시간적동시제고료도상분할준학솔,상비교기타산법,문중산법은건성경호。장차방법응용우전경급초성문리도상분할중능교호지제취출목표구역,도상변연부분적분류야흔청석。
To find the best parameters of SVM and construct the SVM Classifier which is suitable to be applied to texture image segmentation , the paper improves niche and cross-selection operator PSO where mutation mecha-nism and group competition mechanism are introduced and combined with artificial fish-swarm algorithm ( AF-SA) .The parameter optimization algorithm for support vector machine ( SVM) is proposed .Compared with AF-SA, particle swarm optimization and NCSPSO algorithm in accuracy and time of image segmentation and parame -ter optimization time , it turns out that the proposed algorithm can effectively find the parameters of SVM , cut time and improve accuracy of image segmentation , at the same time , its stability is better than other algorithms . When applied to the electron microscope image and ultrasonic image segmentation , the method it can extract the target area and the image edges are classified quite clearly .