基于詞袋模型的物體識別方法研究.pdf

1、物體識別是目前計算機(jī)視覺領(lǐng)域中最活躍的研究方向之一。物體識別具有良好的應(yīng)用前景,日益激增的軍用和民用需求,智能導(dǎo)航,互聯(lián)網(wǎng)中海量的基于內(nèi)容的檢索,陪護(hù)機(jī)器人,圖像自動標(biāo)注等,識別物體的能力是滿足這些需求的應(yīng)具備的基本功能之一。隨著人工智能與模式識別技術(shù)的不斷進(jìn)步,現(xiàn)有的物體識別技術(shù)取得了不錯的效果,但是仍存在一些問題。現(xiàn)有的算法,有基于圖像底層全局特征的,但無法克服背景,遮擋,尺度和角度變化帶來的干擾;有基于部件與結(jié)構(gòu)的,往往忽略圖像中

2、的部分與部分之間的位置信息。
　　圖像局部特征具有計算量小和信息含量高的特點,其中尺度不變特征變換(Scale Invariant Feature Transform,SIFT)描述子在物體識別中應(yīng)用廣泛,但是圖像中提取的SIFT特征點個數(shù)往往不定,無法直接輸入至分類器中進(jìn)行訓(xùn)練識別。詞袋模型在局部特征基礎(chǔ)上,將圖像任意維數(shù)的局部特征向量集表示為一個固定維數(shù)的向量并作為機(jī)器學(xué)習(xí)算法的輸入,完成識別任務(wù)。近年來,基于圖像局部特征的詞

3、袋模型在場景及物體識別方面取得了輝煌的成果。但是基本的詞袋模型無法從背景上得到物體的形狀或者分割,因為該模型是前背景不分的.另外該方法完全忽略了圖像局部特征的空間信息,在描述上也有一定的局限性。
　　本文就物體識別面臨的困難,綜合考慮局部特征和詞袋模型的優(yōu)點,對基于詞袋模型的物體識別方法進(jìn)行研究,并進(jìn)行了改進(jìn),旨在一定程度上解決傳統(tǒng)詞袋模型存在的問題,經(jīng)實驗分析,證明了本文提出的方法的有效性。本文的主要研究內(nèi)容和創(chuàng)新點如下:

4、>　　(1)針對構(gòu)建詞袋模型的視覺單詞即圖像局部特征所表現(xiàn)的不穩(wěn)定、不可靠、受背景影響問題,提出一種基于顯著區(qū)域詞袋模型的物體識別方法。本文避免使用復(fù)雜的圖像分割技術(shù),利用局部不變特征檢測算子檢測特征點,根據(jù)不變性特征點的分布定位出圖像的感興趣區(qū)域。在感興趣區(qū)域提取局部特征,能有效減少與物體無關(guān)的特征點,確保提取的特征點能有效反映物體的本質(zhì)信息,濾除來自背景上的特征點帶來的干擾。
　　(2)受空間金字塔模型的啟發(fā),提出一種基于多方