| 【中文题名】 | 支持向量机在图像配准中的应用研究 |
| 【英文题名】 | Research on Image Registration Based on Support Vector Machines |
| 【学科专业】 | 控制理论与控制工程 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2007-6-1 |
| 【中关键词】 | 支持向量机,最小二乘支持向量机,图像配准,图像去噪,变换模型估计, |
| 【英关键词】 | Support Vector Machines （SVM）,Least Square Support Vector Machines （LS-SVM）,Image Registration,Image Denosing,Transformation Model Estimation, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>自动化基础理论>人工智能理论>> |
| 【论文摘要】 | 图像配准是图像处理的基本任务之一，用于将不同拍摄条件(不同时间、不同视角、不同传感器)下获取的两幅或多幅图像进行匹配，主要是指几何意义上对准参考图像和传感器图像。图像配准是多种图像处理及应用(如物体辨识、变化检测、三维建模等)的基础，配准效果将直接影响到其后续图像处理工作的效果。
目前，图像配准的方法很多，但没有一种方法可以适用于所有图像。因此，针对所应用的图像找到适合其特点的配准方法是图像配准研究中的重点。鉴于统计学习理论中最年轻、晟实用的部分——支持向量机在小样本、非线性、高维模式识别方面的突出优势及该方法良好的通用性，本文研究将支持向量机(SVM)应用到图像配准过程中，主要内容如下：
1．系统地介绍了支持向量机的基本理论，描述了支持向量机分类和回归算法；
2．对图像配准的概念、流程进行了简单的介绍，重点分析了空间几何变换原理、相似性测度、重采样和插值技术以及常见配准方法；
3．将支持向量机的分类特性用到图像预处理过程中，并在此基础上提出了基于SVM的两阶中值滤波方法。实验表明，该方法在有效去除图像中随机脉冲噪声的同时，能很好地保留图像的边缘等细节信... |
| 【论文题纲】 |
|
摘要 |
3-4 |
|
ABSTRACT |
4-8 |
|
1 绪论 |
8-12 |
|
1.1 课题背景及意义 |
8 |
|
1.2 图像配准的研究现状 |
8-10 |
|
1.3 支持向量机的应用现状 |
10 |
|
1.4 本文的主要工作 |
10-12 |
|
2 统计学习理论和支持向量机理论 |
12-22 |
|
2.1 统计学习理论的基本内容 |
12-14 |
|
2.1.1 机器学习问题 |
12-13 |
|
2.1.2 统计学习理论的核心内容 |
13-14 |
|
2.2 支持向量机理论 |
14-21 |
|
2.2.1 支持向量机的基础算法 |
15-20 |
|
2.2.2 支持向量机的算法研究 |
20-21 |
|
2.3 小结 |
21-22 |
|
3 图像预处理——基于支持向量机的图像去噪方法研究 |
22-32 |
|
3.1 基本的概念和脉冲噪声的模型 |
22-23 |
|
3.1.1 基本概念 |
22-23 |
|
3.1.2 噪声模型 |
23 |
|
3.2 基于SVM的两阶中值滤波方法 |
23-26 |
|
3.2.1 SVM脉冲噪声检测方法 |
23-26 |
|
3.2.2 两阶滤波 |
26 |
|
3.3 仿真实验研究 |
26-28 |
|
3.4 核参数寻优算法 |
28-30 |
|
3.5 小结 |
30-32 |
|
4 图像配准 |
32-44 |
|
4.1 图像配准简介 |
32-33 |
|
4.2 图像配准的理论基础 |
33-41 |
|
4.2.1 空间几何变换 |
33-35 |
|
4.2.2 图像重采样和插值 |
35-39 |
|
4.2.3 相似性测度 |
39-41 |
|
4.3 图像配准方法 |
41-43 |
|
4.3.1 图像配准方法分类 |
41-42 |
|
4.3.2 基于特征的图像配准方法 |
42-43 |
|
4.4 小结 |
43-44 |
|
5 基于LS-SVM的图像配准方法研究 |
44-58 |
|
5.1 全局映射模型 |
44-49 |
|
5.1.1 多项式映射函数 |
44-45 |
|
5.1.2 径向基函数映射模型 |
45-49 |
|
5.2 局部映射函数模型 |
49-50 |
|
5.3 基于LS-SVM的图像配准方法研究 |
50-57 |
|
5.3.1 最小二乘支持向量机原理 |
50-51 |
|
5.3.2 用 LS-SVM进行变换模型估计 |
51-52 |
|
5.3.3 仿真实验研究 |
52-56 |
|
5.3.4 实验中的难点分析 |
56-57 |
|
5.4 小结 |
57-58 |
|
6 总结 |
58-60 |
|
致谢 |
60-61 |
|
参考文献 |
61-66 |
|
作者在攻读硕士期间发表的论文 |
66 |
|
| 【DOI】 | LunWen.ID:2.2008.388519 |
