基于深度學(xué)習(xí)的弱特征視感知算法研究及應(yīng)用.pdf

1、隨著人工智能的不斷發(fā)展，計(jì)算機(jī)視覺感知技術(shù)已成為重要的研究課題之一。面對(duì)圖像數(shù)據(jù)的急劇增長，如何有效的針對(duì)不同背景與環(huán)境進(jìn)行目標(biāo)特征感知，已成為計(jì)算機(jī)視覺領(lǐng)域中研究熱點(diǎn)。目標(biāo)特征感知被普遍應(yīng)用于檢測、識(shí)別與分割等視覺任務(wù)，其任務(wù)完成的效果則嚴(yán)重受制于特征的表征能力。特別是對(duì)于外界環(huán)境弱化目標(biāo)特征、目標(biāo)與背景存在相似元素、目標(biāo)存在遮擋的情形下，由于目標(biāo)特征的弱化，其還原目標(biāo)信息能力顯著下降，致使提取的特征無法完備表征目標(biāo)。因此，本文為解決

2、弱特征視感知問題，結(jié)合深度學(xué)習(xí)機(jī)制分別針對(duì)弱特征三種形式提出了相應(yīng)解決方法。本文主要從以下三方面展開?：
　　1)針對(duì)有霧圖像中霧氣對(duì)場景特征信息弱化問題，本文提出了一種基于生成對(duì)抗映射網(wǎng)絡(luò)的特征感知增強(qiáng)算法。首先，對(duì)圖像提取霧氣相關(guān)特征；其次，運(yùn)用訓(xùn)練得到的生成網(wǎng)絡(luò)實(shí)現(xiàn)初始提取特征到透視率間的轉(zhuǎn)換；最后，依照所提多光源散射模型進(jìn)行去霧還原。所提算法實(shí)驗(yàn)結(jié)果與現(xiàn)有去霧算法相比，其去霧效果更加符合真實(shí)場景色彩，并可保存更多細(xì)節(jié)，干擾

3、引入較少。
　　2)針對(duì)圖像中背景元素與目標(biāo)相似造成檢測特征弱化的問題，本文提出了一種基于RPN(Region Proposal Network)的偽裝色目標(biāo)特征感知檢測算法。首先，對(duì)圖像進(jìn)行顏色增強(qiáng)處理，實(shí)現(xiàn)目標(biāo)與背景元素的差異拉伸；其次，對(duì)差異放大的目標(biāo)進(jìn)行檢測；最終運(yùn)用Faster R-CNN(Faster Region Convolutional Neural Network)檢測增強(qiáng)后目標(biāo)。所提算法與現(xiàn)有目標(biāo)檢測算法相比

4、，其檢測結(jié)果準(zhǔn)確度更高，并且可以更加有效的識(shí)別出干擾背景中的目標(biāo)，減少漏檢測現(xiàn)象。
　　3)針對(duì)圖像中目標(biāo)受到遮擋造成檢測特征缺失的問題，本文提出了一種基于協(xié)同感知深度神經(jīng)網(wǎng)絡(luò)的遮擋目標(biāo)檢測算法。首先，運(yùn)用Faster R-CNN對(duì)圖像中目標(biāo)中母體與子體進(jìn)行檢測；其次，對(duì)子體檢測得到的候選區(qū)域進(jìn)行非極大值抑制(Non-maximum Suppression，NMS)處理；最后，利用母體子體協(xié)同融合，實(shí)現(xiàn)子體對(duì)母體檢測結(jié)果的修正。所