基于GA和SVM的立體圖像質量客觀評價.pdf

1、近年來隨著立體成像技術的快速發(fā)展,3D電影和虛擬現(xiàn)實等技術已經融入了人們的日常工作、學習和生活中。立體圖像質量評價是立體成像技術領域的關鍵問題之一。
　　由于立體圖像的數(shù)據量較平面圖像有大幅度增加,論文首先通過主成分分析方法對立體圖像對進行降維處理,得到能夠體現(xiàn)立體圖像本質特征的特征向量,即立體圖像的主成分特征空間;然后采用基于統(tǒng)計學習理論的二叉樹支持向量機模型對立體圖像質量等級進行分類。由于二叉樹支持向量機系統(tǒng)的性能受其結構影響

2、,因此本文采用樣本在特征空間的可分性度量值確定二叉樹支持向量機結構。此外,由于支持向量機的模型參數(shù)主要根據實驗者的經驗和數(shù)據的先驗知識進行設定,參數(shù)的選擇對模型的分類結果影響很大,因此,在二叉樹支持向量機系統(tǒng)中每個支持向量機子分類器的訓練過程中,實驗采用遺傳算法對參數(shù)進行選擇、交叉和變異等操作,通過不斷地進化,篩選出最佳的模型參數(shù),進而得到最優(yōu)的二叉樹支持向量機模型。
　　實驗結果表明,遺傳算法方法優(yōu)化后模型的分類準確率可達94％