基于NCSPSO-AFSA优化SVM的林木冠层图像分割

摘要

[目的]对林木冠层图像采用NCSPSO-AFSA优化支持向量机(SVM)进行图像分割,提取树干分割图,以进一步提高分割效果.[方法]对现有的小生境和交叉算子的粒子群算法(NCSPSO)进行优化,并与人工鱼群算(AFSA)混合,寻找最优惩罚系数C和高斯核函数中的参数γ;然后运用SVM方法对训练样本进行综合训练,以建立最佳分类模型;最后对香樟树、马褂木和杨树的冠层图像进行分割,并与AFSA算法、NCSPSO算法的分割效果进行比较.[结果]AFSA、NCSPSO、NCSPSO-AFSA算法的平均运行时间分别为178.909,154.661和97.213 s,平均分割准确率分别为90.83％,94.08％和98.90％,表明改进的NCSPSO-AFSA混合算法在效率上较其他2种算法提高了63％以上,而且分割准确率提高了5％～8％.[结论]运用NCSPSO-AFSA优化SVM方法对林木冠层图像进行树干图像分割,可得到最佳分割效果.