支持向量機在圖像配準中的應用研究.pdf

1、圖像配準是圖像處理的基本任務之一,用于將不同拍攝條件(不同時間、不同視角、不同傳感器)下獲取的兩幅或多幅圖像進行匹配,主要是指幾何意義上對準參考圖像和傳感器圖像.圖像配準是多種圖像處理及應用(如物體辨識、變化檢測、三維建模等)的基礎,配準效果將直接影響到其后續(xù)圖像處理工作的效果.目前,圖像配準的方法很多,但沒有一種方法可以適用于所有圖像.因此,針對所應用的圖像找到適合其特點的配準方法是圖像配準研究中的重點.鑒于統(tǒng)計學習理論中最年輕、最實

2、用的部分--支持向量機在小樣本、非線性、高維模式識別方面的突出優(yōu)勢及該方法良好的通用性,本文研究將支持向量機(SVM)應用到圖像配準過程中,主要內容如下: 1.系統(tǒng)地介紹了支持向量機的基本理論,描述了支持向量機分類和回歸算法； 2.對圖像配準的概念、流程進行了簡單的介紹,重點分析了空間幾何變換原理、相似性測度、重采樣和插值技術以及常見配準方法； 3.將支持向量機的分類特性用到圖像預處理過程中,并在此基礎上提出了基

3、于SVM的兩階中值濾波方法.實驗表明,該方法在有效去除圖像中隨機脈沖噪聲的同時,能很好地保留圖像的邊緣等細節(jié)信息,而且具有良好的魯棒性. 4.詳細分析和比較了傳統(tǒng)的變換模型估計方法和基于LS-SVM的變換模型估計方法各自的優(yōu)缺點.并在Matlab6.5平臺下,實現了基于控制點的圖像配準方法的仿真實驗,實驗結果表明:基于Ls-SVM的變換模型估計方法,不僅能有效地去除圖像的幾何形變,而且可以自適應的校正由于控制點的定位精度不高而引