基于深度信息的三維目標(biāo)特征提取與識別方法研究.pdf

1、三維目標(biāo)識別是模式識別研究中的一項重要課題,其在軍事、工業(yè)等諸多社會領(lǐng)域中都有著廣泛的應(yīng)用,半個世紀(jì)來受到了模式識別研究者的廣泛關(guān)注,研究者們提出了大量的理論和方法。本文圍繞三維目標(biāo)的特征提取方法和識別方法展開。
　　 目標(biāo)特征提取的方法中主分量分析法(PCA)和獨立分量分析法(ICA)是運(yùn)用的最為廣泛的方法。主分量分析法旨在利用降維的思想保留低階主成分,忽略高階成份。相對于主分量分析法,獨立分量分析法有著更多優(yōu)勢,主要表現(xiàn)在復(fù)

2、雜背景下的運(yùn)動目標(biāo)檢測中。獨立分量分析法將運(yùn)動物體和背景看作是不同的獨立分量進(jìn)行處理,將目標(biāo)與背景進(jìn)行分離,而且處理后的運(yùn)動目標(biāo)較好的保持了原來的紋理信息,同時該方法有比較強(qiáng)的抗圖像背景灰度變化的能力。
　　 為了更好的獲取三維目標(biāo)的特征,普通的二維灰度圖像已經(jīng)難以滿足三維目標(biāo)識別的要求,于是出現(xiàn)了深度圖像的概念。深度圖像反映的是目標(biāo)物體表面的凹凸曲度的信息,不受物體表面色彩信息的干擾,有著獨特的優(yōu)勢。本文利用三維激光掃描儀獲得

3、目標(biāo)的三維數(shù)據(jù),重構(gòu)出深度圖像,與目標(biāo)物體的灰度圖像組成完整的三維目標(biāo)的信息。利用主分量分析法和獨立分量分析法對綜合后的三維物體信息進(jìn)行特征提取和識別,達(dá)到了較好的識別結(jié)果。
　　 為了充分利用三維目標(biāo)的深度圖像,本文采用相位編碼傅立葉變換的方法對深度圖像進(jìn)行處理。將深度圖像作為相位因子,對其進(jìn)行傅立葉變換,并用其制成三維定向圖,用于三維目標(biāo)的識別和旋轉(zhuǎn)角度的判定;同時結(jié)合灰度圖像,文中采用主分量分析的方法,對訓(xùn)練圖像進(jìn)行特征分