鱼眼镜头的视野可以拍摄180°左右的场景,甚至可以达到220°,但优势带来的不足也是很明显的,随着视角的扩大,鱼眼图像不同区域出现很严重的图像畸变,这样就限制了鱼眼镜头作用的发挥。本文在以上背景下展开了基于支持向量机方法对鱼眼图像畸变的路径进行研究,为鱼眼图像的畸变分析奠定基础。本文主要工作包括:靶标的角点检测、用支持向量机找到图像变化路径曲线、图像特征提取等。鱼眼镜头拍摄的图片具有中间区域膨胀,边缘区域压缩的特点,根据鱼眼镜头的拍摄特点,寻找入射光线与成像点的对应关系对靶标进行了设计。本文对靶标提取角点特征使用Harris算子,畸变程度不同的区域,在靶标上用黑色的轮廓线进行了区分,提取出的角点坐标用作SVM算法的训练数据,从鱼眼靶标检测出的角点分布为非线性的坐标结构,利用支持向量分类机能找到不同数据之间的最优间隔,选取了高斯径向基核函数(RBF)去实现非线性映射,解决样本空间中的高度非线性问题使样本变得线性可分,找到支持向量机分类曲线。图像的中心定位通过霍夫直线检测获得。由于鱼眼图像的畸变,在不同区域对于像素丢失程度的不同,丢失的信息内容也不一样,通过PCA算法进行处理,摒弃了干扰成分所携带的小特征量,把图像携带的主要信息输入给支持向量机算法,对曲线进行误差分析。基于MATLAB的仿真实验结果表明,本文基于支持向量机算法对鱼眼图像进行畸变路径分析,体现出预测数据对实际数据的变化趋势有很好的跟随能力,同时支持向量机算法分析出的畸变曲线,对于复杂的图形像素畸变具有很强的适应能力。