1、近年來隨著立體成像技術(shù)的快速發(fā)展,3D電影和虛擬現(xiàn)實等技術(shù)已經(jīng)融入了人們的日常工作、學習和生活中。立體圖像質(zhì)量評價是立體成像技術(shù)領(lǐng)域的關(guān)鍵問題之一。
　　由于立體圖像的數(shù)據(jù)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(zhì)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(zhì)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(jié)構(gòu)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(jié)構(gòu)。此外,由于支持向量機的模型參數(shù)主要根據(jù)實驗者的經(jīng)驗和數(shù)據(jù)的先驗知識進行設(shè)定,參數(shù)的選擇對模型的分類結(jié)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(jié)果表明,遺傳算法方法優(yōu)化后模型的分類準確率可達94％