基于多尺度與多分層架構(gòu)圖像特征提取與目標(biāo)識(shí)別研究.pdf

1、伴隨著大數(shù)據(jù)時(shí)代的到來，圖像與視頻數(shù)據(jù)的快速增長(zhǎng)，實(shí)現(xiàn)計(jì)算機(jī)自動(dòng)理解圖像或視頻內(nèi)容成為越來越迫切的需求，圖像目標(biāo)識(shí)別作為圖像理解的重要研究?jī)?nèi)容得到了廣泛關(guān)注，已成為當(dāng)前圖像處理、計(jì)算機(jī)視覺等領(lǐng)域一個(gè)重要研究方向。圖像目標(biāo)識(shí)別在模式識(shí)別的許多領(lǐng)域有著廣泛應(yīng)用，如基于內(nèi)容的智能安全監(jiān)控、目標(biāo)圖像檢索、人機(jī)交互、及遙感圖像分析等等。經(jīng)過多年的發(fā)展，盡管圖像目標(biāo)識(shí)別研究已取得許多令人鼓舞的成績(jī)，但由于目標(biāo)識(shí)別問題自身的多樣性和復(fù)雜性，它仍然是一

2、個(gè)極具挑戰(zhàn)性的課題。本文緊緊圍繞圖像目標(biāo)識(shí)別及應(yīng)用這一主題，重點(diǎn)研究了手工設(shè)計(jì)特征及自然特征的提取方法在圖像目標(biāo)識(shí)別中的相關(guān)關(guān)鍵技術(shù)、基于手工設(shè)計(jì)特征建模的多尺度混合高斯組件模型識(shí)別方法及應(yīng)用、基于自然特征建模的多層去噪受限玻爾茲曼機(jī)模型及相關(guān)應(yīng)用等內(nèi)容。本文開展的主要研究工作和取得的成果有以下幾方面：
　?。?）針對(duì)單一利用手工特征在實(shí)際應(yīng)用中存在類型單一、尺度受限等諸多不足，根據(jù)圖像的類型、特征尺度及特征數(shù)量的多樣性，提出了多

3、種特征融合檢測(cè)的方法，并對(duì)多種手工特征提取方法融合檢測(cè)的互補(bǔ)性進(jìn)行了分析和比較。多特征融合檢測(cè)根據(jù)場(chǎng)景類型的特點(diǎn)，突出了特征匹配過程中所提取特征性能的相互補(bǔ)充的優(yōu)勢(shì)，該方法可以彌補(bǔ)目標(biāo)匹配過程中，圖像場(chǎng)景存在的視角變化、尺度變化、縮放、旋轉(zhuǎn)、圖像模糊、圖像壓縮及光線變化對(duì)特征匹配的影響。通過標(biāo)準(zhǔn)圖像數(shù)據(jù)庫驗(yàn)證了多特征融合檢測(cè)方法對(duì)尺度、縮放、旋轉(zhuǎn)變化具有較強(qiáng)的不變性，且對(duì)光線及模糊變化具有一定的魯棒性。
　?。?）針對(duì)傳統(tǒng)的組件模

4、型對(duì)目標(biāo)各組件間的空間位置關(guān)系缺乏有效地估計(jì)的不足，提出了基于多尺度結(jié)構(gòu)的混合高斯組件模型的目標(biāo)識(shí)別方法。該方法利用多個(gè)混合高斯模型對(duì)能夠反映目標(biāo)形狀和外觀分布特征的組件在多尺度空間內(nèi)，對(duì)目標(biāo)的多個(gè)方向獲取的圖像進(jìn)行建模。通過樣本的訓(xùn)練及參數(shù)學(xué)習(xí)，獲得混合組件模型參數(shù)，進(jìn)而獲取優(yōu)化目標(biāo)的分布特征。為了提高算法識(shí)別的魯棒性，模型采用了融合特征高斯尺度金字塔方法，并將根濾波器（父節(jié)點(diǎn)）及組件濾波器（子節(jié)點(diǎn)）位置作為潛在的隱藏變量，運(yùn)用混合高

5、斯模型對(duì)模型組件最佳位置進(jìn)行估計(jì)，最后利用潛變量支持向量機(jī)分類算法進(jìn)行有監(jiān)督訓(xùn)練，獲取模型參數(shù)。通過標(biāo)準(zhǔn)數(shù)據(jù)庫驗(yàn)證了所提方法能夠提升圖像目標(biāo)識(shí)別的性能。
　?。?）針對(duì)目前已有的跟蹤識(shí)別技術(shù)存在的識(shí)別目標(biāo)類別單一，魯棒性不強(qiáng)、不能適應(yīng)復(fù)雜背景的不足，本文基于混合高斯組件模型基礎(chǔ)上，提出了一種多類運(yùn)動(dòng)目標(biāo)跟蹤與識(shí)別方法。該方法融合運(yùn)動(dòng)區(qū)域的自動(dòng)提取機(jī)制實(shí)現(xiàn)前景運(yùn)動(dòng)區(qū)域自動(dòng)提取功能，進(jìn)而可以精確地定位感興趣目標(biāo)的位置。該方法特點(diǎn)是能夠

6、實(shí)現(xiàn)多類運(yùn)動(dòng)目標(biāo)自動(dòng)檢測(cè)和識(shí)別，并對(duì)視頻中相應(yīng)類目標(biāo)個(gè)數(shù)進(jìn)行記數(shù)。檢測(cè)實(shí)驗(yàn)結(jié)果證明了該方法能夠適應(yīng)各種不同的復(fù)雜的室外環(huán)境，是一種有效地的多類運(yùn)動(dòng)目標(biāo)跟蹤與識(shí)別方法。
　?。?）針對(duì)現(xiàn)有特征提取方法難以實(shí)現(xiàn)從含有復(fù)雜背景的圖像中提取有用目標(biāo)特征的瓶頸問題，提出了一種基于弱監(jiān)督學(xué)習(xí)的深度學(xué)習(xí)模型，去噪受限玻爾茲曼機(jī)模型。該模型利用多模交互機(jī)制，對(duì)輸入圖像的每個(gè)像素建立一個(gè)混合結(jié)構(gòu)的二元受限玻爾茲曼機(jī)層次模型。為了獲取具有魯棒性和簡(jiǎn)潔