動(dòng)態(tài)紋理識(shí)別技術(shù)研究.pdf

1、動(dòng)態(tài)紋理是指描述某種動(dòng)態(tài)景觀的、具有時(shí)間相關(guān)重復(fù)特征的圖像序列。動(dòng)態(tài)紋理在自然界中廣泛存在，比如火焰、煙幕、流動(dòng)的河流、隨風(fēng)擺動(dòng)的樹葉或者多個(gè)目標(biāo)對(duì)象(公路上的車輛或人群)的整體運(yùn)動(dòng)。本文的主要研究工作集中在動(dòng)態(tài)紋理識(shí)別技術(shù)中，基于模型的識(shí)別技術(shù)研究。 本文首先研究了動(dòng)態(tài)紋理模型。LDS(LinearDynamicSystem)動(dòng)態(tài)紋理模型將每幀圖像表示為線性子空間(如主成分分析PCA)中的一點(diǎn)，并用自回歸過程來學(xué)習(xí)子空間上拋物

2、線的動(dòng)態(tài)特性。目前，基于模型的動(dòng)態(tài)紋理識(shí)別技術(shù)大都采用此模型。然而，由于此LDS模型采用的線性維數(shù)約減策略(如PCA)，過于簡(jiǎn)單，使此模型不能捕獲復(fù)雜的場(chǎng)景變化。因此，本文研究了多子空間的動(dòng)態(tài)紋理模型。此模型采用多個(gè)PCA的混合來描述圖像流(imagemanifolds)的特征。對(duì)于場(chǎng)景變化大的圖像，這種流體通常是非線性的，且有它們各自的坐標(biāo)系統(tǒng)。此模型采用了一種全域坐標(biāo)模型(aglobalcoordinationmodel)，將不同流

3、體的PCA坐標(biāo)，映射到一個(gè)統(tǒng)一的流體坐標(biāo)系統(tǒng)中。然后，利用此全域坐標(biāo)模型建立動(dòng)態(tài)紋理自回歸模型。 本文接著研究了基于模型參數(shù)間距離的動(dòng)態(tài)紋理識(shí)別技術(shù)。分析了Stiefelmanifolds空間的三種距離：PrincipalAngles、MartinDistance、GeodesicDistance。其中基于Martin距離的識(shí)別法相比于基于其他兩種距離的識(shí)別法來說，識(shí)別率要高很多。此外，本文討論了另一種基于KL(Kullback

4、-Leibler)距離的識(shí)別法。它利用了LDS動(dòng)態(tài)紋理模型中圖像向量及狀態(tài)向量的概率分布特征，計(jì)算出狀態(tài)空間的KL距離和圖像空間的KL距離，然后以這兩種距離為核，利用支持向量機(jī)(SVM：supportvectormachine)進(jìn)行分類，從而識(shí)別不同的動(dòng)態(tài)紋理序列?；贙L距離的識(shí)別法的識(shí)別效果要優(yōu)于基于Martin距離的識(shí)別法。 最后，本文研究了另一類基于模型的識(shí)別技術(shù)：基于模型變量的脈沖響應(yīng)的動(dòng)態(tài)紋理識(shí)別法。此算法運(yùn)用了動(dòng)態(tài)

5、紋理的一種簡(jiǎn)單而有效的特征，來進(jìn)行識(shí)別。這種特征基于估計(jì)出的動(dòng)態(tài)紋理模型變量的脈沖響應(yīng)。此脈沖響應(yīng)能捕獲動(dòng)態(tài)紋理內(nèi)在的動(dòng)態(tài)特性。此種識(shí)別技術(shù)能夠識(shí)別同一圖像序列中，在各個(gè)不同區(qū)域的多個(gè)不同的動(dòng)態(tài)紋理。且相對(duì)與基于距離的識(shí)別技術(shù)來說，計(jì)算更簡(jiǎn)便，識(shí)別速度更快。因此，基于此算法，本文提出了一種基于多子空間動(dòng)態(tài)紋理模型的改進(jìn)算法。由于多字空間模型能更好地捕獲復(fù)雜的景象變化，改進(jìn)的算法識(shí)別動(dòng)態(tài)紋理的非穩(wěn)態(tài)特性效果也更好。改進(jìn)的算法利用所有的脈沖