形狀的部分結(jié)構(gòu)解析和識別.pdf

1、大量的心理學研究表明，人眼視覺是基于部分的，許多視覺行為能夠通過基于部分的表達方式進行解釋。這意味著在人眼視覺系統(tǒng)中，形狀的分解和其它視覺任務，如物體的檢索、表達、識別和解析有密不可分的關(guān)系。因此，對于計算機視覺系統(tǒng)來說，如何將物體形狀分解并得到和人的認知相一致的結(jié)果，成為涉及許多視覺任務的重要問題。但是，由于自然圖像存在大量的類內(nèi)和類間差異，分解成為計算機視覺領(lǐng)域中一個非常有挑戰(zhàn)性的任務。最主要的挑戰(zhàn)和困難集中在以下幾個方面：1)人眼

2、視覺涉及各種與部分相關(guān)的因素，怎樣對它們的作用及其之間交互機制進行建模，2)如何得到有判別力的特征，以及怎樣估計模型的結(jié)構(gòu)和參數(shù)，3)在給定的模型下，如何快速得到分解結(jié)果，并使分解結(jié)果符合人的認知？
　　本文擬將優(yōu)化問題和統(tǒng)計模型的理論引入分解，對形狀的分解和部分結(jié)構(gòu)的解析進行建模、推理和學習。重點研究以下問題：1)如何將和部分有關(guān)的視覺因素在統(tǒng)一的分解框架下表達出來，2)用什么樣的方式有效地表達一類物體的部分結(jié)構(gòu)，3)如何從訓練

3、數(shù)據(jù)中得到部分結(jié)構(gòu)模型，并提取具有判別力的特征，4)如何設(shè)計快速準確的解析方法，得到和人的認知相符合的部分結(jié)構(gòu)，5)部分結(jié)構(gòu)的解析和形狀的識別有怎樣的關(guān)系？
　　本文的工作緊緊圍繞形狀的部分結(jié)構(gòu)解析和識別這一核心命題展開。為回答以上問題，從以下四個方面展開研究：
　　(1)人眼視覺處理分解的機制相當復雜，涉及曲率、對稱、部分顯著度、分割線長度、認知等，最終的分解結(jié)果取決于這些因素間復雜的互相影響。本文設(shè)計了一種有效地融合了各

4、種和部分相關(guān)的視覺因素的表達方法，并在統(tǒng)一的分解框架下對物體進行分解。本文用求解二元規(guī)劃問題的過程模擬人眼視覺中這些因素的復雜交互，以達到和人眼視覺相一致的分解結(jié)果。本文的方法不僅綜合考慮了各種視覺因素，還實現(xiàn)了分解框架和視覺因素的分離，使得該方法在視覺因素的選擇上具有很強的可擴展性。
　　(2)由于自然界的物體千變?nèi)f化，再加上二維圖像的信息損失以及形狀的遮擋、扭曲等非線性形變，導致物體的部分結(jié)構(gòu)具有很大的可變性。現(xiàn)有的心理學研究

5、成果僅能定性地解釋人眼視覺分解的某些方面，而不能從根本機制上全面的描述人眼視覺是如何根據(jù)少量不完整的信息處理如此豐富的視覺模式。本文不以心理學研究成果為惟一的理論基礎(chǔ)，而是將統(tǒng)計模型引入形狀解析的領(lǐng)域。通過對訓練樣本的學習，確定模型的結(jié)構(gòu)和參數(shù)，并選擇最具判別力的特征。該模型建立在與或圖上，具有層次化結(jié)構(gòu)并定義了概率分布，能夠表達部分的層次、空間位置、鄰接關(guān)系以及部分輪廓的變化，并支持可變結(jié)構(gòu)。
　　(3)考慮到人眼視覺的分解的特

6、點：高效性、多尺度性、不確定性，以及受到認知的影響，本文設(shè)計出一種用于部分結(jié)構(gòu)解析的高效推理算法。該算法使底層信息（曲率、面積、顯著度等）和中高層信息（部分輪廓的變化模式、部分的出現(xiàn)頻率、狀態(tài)變量的分布）互相補充，大大提高了分解算法的靈活性和處理能力。在推理的過程中，本文充分利用了與或圖的結(jié)構(gòu)，用遞歸的算法迭代的進行從頂向下和從底向上的遍歷。最終的分解結(jié)果也具有概率形式，支持多尺度分解，并且更加準確和穩(wěn)定。
　　(4)對于人眼視覺

7、來說，部分結(jié)構(gòu)的解析和形狀的識別具有緊密的聯(lián)系，識別的過程可看作獲取物體的各部分及其組織方式的過程。受這種思想的啟發(fā)，本文提出了一種基于部分結(jié)構(gòu)解析的形狀識別方法。本文將分解的模型從一類物體擴展到多類，并調(diào)整了學習和推理的目標函數(shù)，以達到分類的目的。本文的識別方法不僅得到了類號，還得到了部分結(jié)構(gòu)以及部分結(jié)構(gòu)之間的對應關(guān)系，因此這種識別方法是符合人眼視覺系統(tǒng)的行為方式的。該方法結(jié)合了基于骨架和基于輪廓的形狀識別方法的優(yōu)點，在具有明顯部分結(jié)