圖像目標識別的中層特征學習方法及應(yīng)用研究.pdf

1、圖像目標識別是計算機視覺的核心問題之一，而視覺特征提取是決定圖像目標識別水平的關(guān)鍵。本文以國家自然科學基金重大研究計劃“視聽覺信息的認知計算”支持的重點項目“高速公路車輛智能駕駛中的關(guān)鍵科學問題研究”和國防973項目“水面***基礎(chǔ)研究”為課題研究背景。圍繞圖像目標識別的中層特征學習與表示方法展開研究，提出有效的視覺特征學習算法提高了圖像目標檢測與識別的性能和無人駕駛車輛的視覺環(huán)境感知能力。論文的主要成果和創(chuàng)新點如下：
　　(1)

2、提出了基于層次化自動編碼網(wǎng)絡(luò)的神經(jīng)元通道特征提取算法。該算法從圖像通道的局部信息壓縮方式入手，利用層次化的自動編碼神經(jīng)網(wǎng)絡(luò)實現(xiàn)低維通道特征的提取。神經(jīng)元通道特征是以類別相關(guān)的數(shù)據(jù)驅(qū)動方式完成提取，相比已有的通道特征更加具備數(shù)據(jù)的自適應(yīng)性和圖像外觀描述能力。
　　(2)提出了結(jié)合神經(jīng)元通道特征和分塊集成決策樹的目標檢測方法。該方法強調(diào)對不同屬性的通道特征分塊進行特征選擇，并設(shè)計了一種自適應(yīng)的集成決策樹算法建立強分類器來實現(xiàn)有效的目標

3、檢測。該檢測方法在行人和路標檢測等國際公開數(shù)據(jù)庫中均取得了優(yōu)異的性能，并在本文建立的大規(guī)模中國路標檢測數(shù)據(jù)庫中達到95％檢測準確率，應(yīng)用于無人駕駛汽車的視覺環(huán)境感知系統(tǒng)。
　　(3)提出了一種基于組稀疏化正則的圖構(gòu)建算法。該算法強調(diào)利用組稀疏化的正則項約束圖的鄰接關(guān)系，使得在構(gòu)圖過程中同時考慮稀疏性和局部性約束，進而改善圖結(jié)構(gòu)的類內(nèi)關(guān)聯(lián)性和類間區(qū)分度。同時，我們給出了組稀疏化圖構(gòu)建的快速求解算法、核擴展方案以及基于組稀疏化圖的流形

4、特征學習算法。相關(guān)流形算法在不同的圖像聚類和分類數(shù)據(jù)庫測試中進行了驗證分析，驗證結(jié)果均表明了算法的有效性，同時算法應(yīng)用到環(huán)境感知中的路標識別任務(wù)中，實現(xiàn)了準確的多類交通路標識別。
　　(4)提出了一種分解后提取的中層特征學習和目標識別框架。該框架強調(diào)對圖像結(jié)構(gòu)-紋理成分的分而治之，利用分解的機制產(chǎn)生多種圖像成分空間然后實現(xiàn)屬性相關(guān)的特征提取與合并。在框架中，我們給出了一種分層的圖像結(jié)構(gòu)-紋理分解方法和屬性相關(guān)的中層特征提取的方案。