| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 1 绪论 | 第8-12页 |
| ·课题背景及意义 | 第8页 |
| ·图像配准的研究现状 | 第8-10页 |
| ·支持向量机的应用现状 | 第10页 |
| ·本文的主要工作 | 第10-12页 |
| 2 统计学习理论和支持向量机理论 | 第12-22页 |
| ·统计学习理论的基本内容 | 第12-14页 |
| ·机器学习问题 | 第12-13页 |
| ·统计学习理论的核心内容 | 第13-14页 |
| ·支持向量机理论 | 第14-21页 |
| ·支持向量机的基础算法 | 第15-20页 |
| ·支持向量机的算法研究 | 第20-21页 |
| ·小结 | 第21-22页 |
| 3 图像预处理——基于支持向量机的图像去噪方法研究 | 第22-32页 |
| ·基本的概念和脉冲噪声的模型 | 第22-23页 |
| ·基本概念 | 第22-23页 |
| ·噪声模型 | 第23页 |
| ·基于SVM的两阶中值滤波方法 | 第23-26页 |
| ·SVM脉冲噪声检测方法 | 第23-26页 |
| ·两阶滤波 | 第26页 |
| ·仿真实验研究 | 第26-28页 |
| ·核参数寻优算法 | 第28-30页 |
| ·小结 | 第30-32页 |
| 4 图像配准 | 第32-44页 |
| ·图像配准简介 | 第32-33页 |
| ·图像配准的理论基础 | 第33-41页 |
| ·空间几何变换 | 第33-35页 |
| ·图像重采样和插值 | 第35-39页 |
| ·相似性测度 | 第39-41页 |
| ·图像配准方法 | 第41-43页 |
| ·图像配准方法分类 | 第41-42页 |
| ·基于特征的图像配准方法 | 第42-43页 |
| ·小结 | 第43-44页 |
| 5 基于LS-SVM的图像配准方法研究 | 第44-58页 |
| ·全局映射模型 | 第44-49页 |
| ·多项式映射函数 | 第44-45页 |
| ·径向基函数映射模型 | 第45-49页 |
| ·局部映射函数模型 | 第49-50页 |
| ·基于LS-SVM的图像配准方法研究 | 第50-57页 |
| ·最小二乘支持向量机原理 | 第50-51页 |
| ·用 LS-SVM进行变换模型估计 | 第51-52页 |
| ·仿真实验研究 | 第52-56页 |
| ·实验中的难点分析 | 第56-57页 |
| ·小结 | 第57-58页 |
| 6 总结 | 第58-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-66页 |
| 作者在攻读硕士期间发表的论文 | 第66页 |