论文部分内容阅读
景象匹配是指将一个图像区域从不同传感器摄取的不同时间、不同视角的相应景象区域中确定对应关系的一种重要的图像分析与处理技术，它被广泛应用于飞行导航、导弹制导等应用领域。许多学者已经研究出了一些实用的景象匹配算法。但由于不同景象匹配算法的性能与景象类型、景象不同区域等多个因素相关，匹配算法的性能优劣及其对景象的适应能力是影响到景象匹配成败的核心因素之一。因此，有必要对景象匹配算法进行性能评估，从理论和实验的角度来评价同一个区配算法适应不同景象的能力和不同匹配算法定位同一景象的性能优劣，从而规避匹配失败、提高匹配速度和可靠性。一些学者已经开始进行算法的性能评估研究，但这些方法大多建立在简单的实验统计基础上，仅仅考虑单一因素对算法的影响。本文引入支持向量机，对经典的三种匹配算法（去均值归一化积法 NCC、Canny 边缘提取特征匹配法CEE和种子增长提取特征匹配法SGF）为例进行性能评估。该方法考虑了多个因素综合作用下对算法性能的影响，只需建立少量的训练集，利用决策函数自动分类即可预测评估结果。