学位论文 > 优秀研究生学位论文题录展示

基于核方法的图像目标识别技术研究

作　者: 朱孝开
导　师: 庄钊文；黎湘
学　校: 国防科学技术大学
专　业: 信息与通信工程
关键词: 图像目标识别图像核函数构造图像相异性度量点集匹配支撑向量域描述推广能力测度多类分类拒识识别框架
分类号: TP391.41
类　型: 博士论文
年　份: 2009年
下　载: 502次
引　用: 2次
阅　读: 论文下载

内容摘要

图像目标识别是图像理解和计算机视觉领域的热点问题之一,在军用、商用、民用等诸多场合均有着广泛的应用前景。基于核方法的模式分析技术是近年来性能较好、理论上较为完善的一种模式识别新技术,已经初步应用于图像目标识别。本文从研究图像目标识别的特殊性出发,针对识别过程中二维图像信息输入和多类判决问题,从核函数的构造和核函数的应用两个角度开展了一些研究。在核函数的构造方面,论文首先在分析传统基于核函数的图像模式识别方法的基础上,研究了计算图像相异性的度量方法,并使用此度量取代经典高斯核函数中的矢量距离,提出能直接以二维图像数据为输入量的图像核函数。此图像核函数以经典高斯核为原型,在用法上,与定义在矢量空间的经典核函数保持高度兼容性,在功能上,综合考虑了图像的能量信息、亮度信息、位置信息以及结构内容信息,能更为全面地衡量两幅图像之间的关系。然后从提高图像核函数识别过程的可靠性出发,提出冗余分块图像核函数。将图像核定义过程中子块的无覆盖顺序分块方式,改为有覆盖的冗余分块方式,通过增加冗余子块的附加信息,减少对目标结构信息丢失的概率。最后从减少数据约束、提高核函数的实用性出发,减少识别过程中图像核对目标位置、姿态的严格要求,提出离散分块图像核函数。在分块方式上,使用感兴趣区域(ROI)技术来选择离散分块的候选块,并提出基于线性回归假设检验和基于Hu不变矩的两种点集位置匹配模型来对两图像中离散块的位置集合进行相似性评估,评估结果作为权值的一部分参与到图像核函数的计算过程中。图像中仅有信息量较大的部分子块参与运算,对应子块的位置是通过局部搜索得到,故离散分块图像核函数可以应用于存在平移、旋转、尺度等变化、以及少量遮挡的目标。对COIL图像目标数据库的实验验证了上述结论。在核函数的应用方面,论文研究了基于支撑向量域描述(SVDD)的可拒识多类分类器技术。首先在研究核函数参数变化对SVDD最小超球的影响程度的基础上,提出推广能力测度的概念,此测度能够更准确地描述样本与各类别之间的隶属关系,可以用来取代经典SVDD中使用的距离测度作为类别判决标准。然后针对计算推广能力测度时的特殊性,提出具有多层结构的SVDD识别算法。此算法在识别策略上迥异于当前以“最佳划分”为目标的统计模式识别算法,以“认识”事物而不是“区分”事物为目的。该算法除了在两类分类能力和多类分类能力上均具有良好表现外,还从原理上具有对未知类别数据进行拒判的能力。

全文目录

摘要  10-12
ABSTRACT  12-14
第一章绪论  14-27
  1.1 课题背景与研究意义  14-15
  1.2 国内外研究现状  15-23
    1.2.1 图像目标识别技术概况  15-21
    1.2.2 核方法模式分析及其在图像目标识别中的应用概况  21-23
  1.3 论文的主要工作  23-25
  1.4 论文的内容安排  25-27
第二章图像核函数  27-57
  2.1 引言  27
  2.2 核函数基础与存在的问题  27-30
    2.2.1 核方法概述  27-28
    2.2.2 常用核函数  28-29
    2.2.3 现有核函数在图像目标识别中存在的问题  29-30
  2.3 图像核函数的概念  30-45
    2.3.1 图像核函数的定义  31
    2.3.2 图像相异性度量的定义  31-45
  2.4 图像核函数的有效性  45-56
    2.4.1 核函数的有效性问题  45-47
    2.4.2 有效性证明  47-56
  2.5 本章小结  56-57
第三章冗余分块图像核函数  57-74
  3.1 引言  57
  3.2 冗余分块方式  57-60
    3.2.1 无覆盖顺序分块方式的缺点  57-58
    3.2.2 信息丢失的原因  58
    3.2.3 解决信息丢失的方法  58-60
  3.3 冗余分块图像核函数  60-63
    3.3.1 冗余理论  60-61
    3.3.2 核函数的具体形式  61-62
    3.3.3 核函数的有效性  62
    3.3.4 核函数的计算代价  62-63
  3.4 应用实例分析  63-73
    3.4.1 实例一：手写体数字识别  63-69
    3.4.2 实例二：复杂图像识别  69-73
  3.5 本章小结  73-74
第四章离散分块图像核函数  74-98
  4.1 引言  74-75
  4.2 离散分块方式  75-78
    4.2.1 无覆盖顺序分块方式和冗余分块方式的缺点  75
    4.2.2 解决方法  75-78
  4.3 离散分块图像核函数  78-82
    4.3.1 图像中信息的非均匀分布  78-79
    4.3.2 感兴趣区域与离散分块的确定方式  79-80
    4.3.3 子块集合与点集位置匹配模型  80-81
    4.3.4 核函数的具体形式  81-82
    4.3.5 核函数的有效性  82
    4.3.6 核函数的计算代价  82
  4.4 点集位置匹配模型  82-90
    4.4.1 基于线性回归假设检验的匹配模型  82-86
    4.4.2 基于Hu不变矩的匹配模型  86-90
    4.4.3 两种模型的复合  90
  4.5 应用实例分析  90-96
    4.5.1 实例一：存在噪声和视角变化的图像目标识别  91-94
    4.5.2 实例二：存在遮挡的图像目标识别  94-96
  4.6 本章小结  96-98
第五章基于SVDD的可拒识多类分类器技术  98-116
  5.1 引言  98-99
  5.2 SVDD基础  99-104
    5.2.1 基础理论  99-101
    5.2.2 参数v 对超球分界面的影响  101-102
    5.2.3 核函数参数对超球分界面的影响  102-104
  5.3 基于推广能力的测度  104-106
    5.3.1 经典SVDD模式识别算法的不足  104
    5.3.2 基于识别器参数的推广能力测度  104-106
  5.4 基于推广能力测度的多层SVDD算法  106-112
    5.4.1 算法描述  106-107
    5.4.2 训练过程  107-110
    5.4.3 识别过程  110-112
  5.5 应用实例分析  112-115
    5.5.1 两类分类性能测试  112-113
    5.5.2 多类分类性能测试  113-115
  5.6 本章小结  115-116
结束语  116-118
致谢  118-120
参考文献  120-130
作者在学期间取得的学术成果  130-131

基于核方法的图像目标识别技术研究

内容摘要

全文目录

相似论文