Gabor小波特征提取技術(shù)及其在目標(biāo)識(shí)別中的應(yīng)用研究.pdf

1、目標(biāo)識(shí)別是計(jì)算機(jī)視覺領(lǐng)域中非?；钴S的一個(gè)研究方向，在圖像、生物、工業(yè)等民用領(lǐng)域及軍事領(lǐng)域中有著廣泛的應(yīng)用，其中以目標(biāo)特征的提取為難點(diǎn)與重點(diǎn)。本文研究的目的是提高Gabor目標(biāo)識(shí)別算法的魯棒性，降低負(fù)面因素對(duì)識(shí)別效果的影響。 首先介紹了常用的分類規(guī)則，分析了人工神經(jīng)網(wǎng)絡(luò)以及BP算法的優(yōu)缺點(diǎn)。給出了一種變步長(zhǎng)學(xué)習(xí)速率的改進(jìn)方法，優(yōu)化了BP神經(jīng)網(wǎng)絡(luò)，為后文的識(shí)別研究提供了較好的分類器支持。 對(duì)目標(biāo)識(shí)別的前期工作進(jìn)行了研究。通過(guò)

2、預(yù)處理，提取了良好的目標(biāo)樣本。針對(duì)目標(biāo)的旋轉(zhuǎn)模糊，利用一種最小代價(jià)函數(shù)并通過(guò)鄰域知識(shí)引導(dǎo)進(jìn)行恢復(fù)；針對(duì)目標(biāo)的尺度、平移及對(duì)比度差的情況，通過(guò)圖像的標(biāo)準(zhǔn)化進(jìn)行解決。 其次，研究Gabor濾波器的參數(shù)優(yōu)化問題。分析了兩種Gabor濾波器參數(shù)選擇方法，針對(duì)傳統(tǒng)Gabor濾波器提取的目標(biāo)特征信息冗余度大，結(jié)合散布矩陣?yán)碚撨M(jìn)行了參數(shù)的優(yōu)化，得到性能最優(yōu)的濾波器組；確定了提取邊緣特征的最佳單Gabor濾波器參數(shù)。 再次，針對(duì)傳統(tǒng)Ga

3、bor特征提取算法造成的維數(shù)災(zāi)難問題，結(jié)合模板匹配思想提出了一種將目標(biāo)圖像分層分塊處理并提取Gabor特征的方法。改進(jìn)了提取的Gabor特征，進(jìn)一步提高了算法對(duì)目標(biāo)亮度和對(duì)比度變化的適應(yīng)性。通過(guò)標(biāo)準(zhǔn)化的Yale人臉庫(kù)和自制的目標(biāo)樣本庫(kù)，利用Matlab編程進(jìn)行實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果表明算法具有較高的適用性和魯棒性。 最后，針對(duì)目標(biāo)多姿態(tài)問題進(jìn)行了研究。對(duì)矩技術(shù)進(jìn)行研究，改進(jìn)了傳統(tǒng)矩特征，提高其表征多姿態(tài)目標(biāo)的穩(wěn)定性。分別采用一種動(dòng)態(tài)鏈接