论文部分内容阅读
针对传统图像检测系统检测质量较低,容易出现图像边缘细节模糊的现象,提出基于机器学习的光照不均图像边缘检测系统。构建图像边缘检测系统总体框架,检测系统主要分成图像收集、低级处理、高级处理以及检测结果的后续处理四部分,以该系统框架为基础采用支持向量机模式将正常样本空间内不能被线性分类或者近似性分类的图像,通过非线性映射至高维特征空间,利用回归训练的核函数替代内积运算,即可完成非线性拟合。根据拟合结果将图像内的每个像素点,都作为一个训练样本,使二维图像可以用对应的拉格朗日函数表示,同时也可以表示成核函数线