圖像分類和圖像匹配中若干問題的研究.pdf

1、圖像分類和匹配作為圖像理解、機(jī)器視覺、模式識(shí)別等領(lǐng)域中的兩項(xiàng)關(guān)鍵技術(shù)，也是近期以來的研究熱點(diǎn)。圖像分類和圖像匹配的理論和算法研究，應(yīng)用于遙感圖像信號(hào)處理、醫(yī)療圖像分析、特征識(shí)別、目標(biāo)識(shí)別、圖像檢索、運(yùn)動(dòng)估計(jì)、車輛導(dǎo)航以及基于機(jī)器視覺的工業(yè)檢測(cè)等諸多領(lǐng)域，受到了廣泛的關(guān)注。
　　無論是對(duì)于圖像分類還是圖像匹配而言，圖像的特征提取和表示都是十分關(guān)鍵的問題。不同的方法都有著各自的優(yōu)、缺點(diǎn)。尋找獲取圖像的有效特征表示的方法，從而減少語義鴻

2、溝將是一項(xiàng)長(zhǎng)期的研究目標(biāo)。對(duì)于圖像分類問題而言，基于聚類的方法比較簡(jiǎn)單，但往往缺乏視覺上的精確表達(dá)?；诒O(jiān)督學(xué)習(xí)的分類方法盡管較之更為系統(tǒng)化，卻要面對(duì)缺乏有效的訓(xùn)練數(shù)據(jù)的問題。相對(duì)于剛性圖像匹配，非剛性圖像匹配更具有普遍性。近年來對(duì)此進(jìn)行了大量的研究，但是針對(duì)復(fù)雜形變圖像匹配的問題還亟待解決。設(shè)計(jì)一個(gè)可以處理圖像中形變、遮擋以及噪聲等諸多問題的簡(jiǎn)單、有效、魯棒的方案仍極具挑戰(zhàn)性。
　　本文對(duì)圖像分類和圖像匹配兩個(gè)基本技術(shù)進(jìn)行了深入

3、的分析和研究。論文研究?jī)?nèi)容涉及圖像的特征提取、表達(dá)，統(tǒng)計(jì)學(xué)習(xí)理論，抽樣選擇性偏差理論，尺度空間理論，優(yōu)化算法等方面。在前人的工作的基礎(chǔ)上，在解決圖像分類中已標(biāo)注圖像訓(xùn)練樣本稀缺和非剛性輪廓匹配等問題開展了具有創(chuàng)新性的工作，主要體現(xiàn)在以下四個(gè)方面:
　　1.為了解決已標(biāo)注訓(xùn)練數(shù)據(jù)稀疏性的問題，提出一種有效利用類似主題輔助數(shù)據(jù)的基于支持向量機(jī)的分類算法AuxSVM。首先，利用局部特征和矢量量化技術(shù)構(gòu)造表示圖像的視覺詞典。基于該視覺詞典

4、，利用“Bag of Keypoints”的方法實(shí)現(xiàn)對(duì)圖像的描述?；谶m用于有限樣本學(xué)習(xí)的支持向量機(jī)方法，利用類似主題的輔助圖像數(shù)據(jù)，設(shè)計(jì)有效的分類方案。實(shí)驗(yàn)顯示，系統(tǒng)性能得到了顯著的提高。
　　2.提出一種有效利用輔助數(shù)據(jù)的半監(jiān)督分類算法AuxTSVM。在利用類似主題輔助數(shù)據(jù)的同時(shí)，基于聚類假設(shè)，設(shè)計(jì)有效整合未標(biāo)注目標(biāo)圖像中信息的分類算法，達(dá)到提升分類精度的效果。
　　3.引入基于核密度估計(jì)技術(shù)的分類框架實(shí)現(xiàn)圖像分類。針對(duì)

5、傳統(tǒng)機(jī)器學(xué)習(xí)中的“固定分布假設(shè)”不滿足的情況，假設(shè)訓(xùn)練數(shù)據(jù)和測(cè)試數(shù)據(jù)之間的差異主要是源自于抽樣選擇偏差所導(dǎo)致的不同分布。利用核密度估計(jì)技術(shù)對(duì)訓(xùn)練數(shù)據(jù)集和測(cè)試數(shù)據(jù)集的潛在概率分布進(jìn)行估計(jì)。當(dāng)完成概率分布的估計(jì)工作之后，采用重加權(quán)技術(shù)自動(dòng)調(diào)整訓(xùn)練集的概率分布。基于此框架使得傳統(tǒng)的分類算法可以有效地利用經(jīng)過修正的訓(xùn)練圖像進(jìn)行知識(shí)學(xué)習(xí)，從而能夠更好的實(shí)現(xiàn)針對(duì)目標(biāo)圖像的分類。
　　4.提出一個(gè)使用基函數(shù)的非剛性輪廓匹配算法。利用弧長(zhǎng)對(duì)待匹配