基于NCSPSO－AFSA优化SVM的林木冠层图像分割

【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