基于兴趣区域与SVM的目标自动提取算法

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.