基于支持矢量机的从明暗恢复形状方法

被引:7
作者
尹爱军
秦树人
周传德
机构
[1] 重庆大学机械工程学院
关键词
SFS; SVM; 核函数; 深度预测;
D O I
暂无
中图分类号
TP391.41 [];
学科分类号
080203 ;
摘要
通过对传统从阴影到形状(Shape from shading,SFS)问题和支持矢量机(Supporting vector machine,SVM)的研究,提出一种基于SVM由从明暗恢复形状方法,详细分析了这一方法的理论依据和可行性,探讨了SVM输入参数的确定、核函数的选择与构造等关键问题。试验表明,与传统SFS方法相比,提出的方法能较准确地直接获取物体的高度值,且受环境因素影响小,无需作过多的成像条件假设。最后探讨了这一方法的改进方向。
引用
收藏
页码:186 / 191
页数:6
相关论文
共 5 条
[1]   支持向量机的若干新进展 [J].
王国胜 ;
钟义信 .
电子学报, 2001, (10) :1397-1400
[2]   从明暗恢复形状(SFS)的几类典型算法分析与评价 [J].
廖熠 ;
赵荣椿 .
中国图象图形学报, 2001, (10) :11-19
[3]   支持向量机研究 [J].
崔伟东 ;
周志华 ;
李星 .
计算机工程与应用, 2001, (01) :58-61
[4]   SUPPORT-VECTOR NETWORKS [J].
CORTES, C ;
VAPNIK, V .
MACHINE LEARNING, 1995, 20 (03) :273-297
[5]   HEIGHT AND GRADIENT FROM SHADING [J].
HORN, BKP .
INTERNATIONAL JOURNAL OF COMPUTER VISION, 1990, 5 (01) :37-75