【出 处】：《 计算机仿真 》 CSCD 2014年第31卷第1期 365-369页,共5页

【作 者】： 胡鑫城 [1] ; 李东兴 [1] ; 杜钦君 [2]

【摘 要】 研究图像区域目标准确分割问题，由于海量图像的特征复杂，传统目标分割算法无法准确提取物体图像的兴趣区域，造成目标的分割准确度较差。为了提高分割精度，提出了一种结合兴趣区域与机器学习SVM的目标自动提取算法，将目标提取作为分类问题，在像素精度范围内对图像进行分割。兴趣区域的提取基于关注窗口思想，首先对图像分层滤波，利用改进的Sojka算法提取目标角点，根据角点位置确定兴趣区域。然后在兴趣区域与背景区域随机提取样本点，根据样本相似性选择用于SVM的训练样本。实验结果表明，基于像素精度的分类方法提高了目标的分割精度，而且目标提取的过程不需要要人工交互，完全实现了目标的自动提取，是处理大量图像目标分割问题的有效方法，为网络图像库的目标自动分割提供了参考。