基于特征組合的一般物體識(shí)別相關(guān)算法研究.pdf

1、一般物體識(shí)別(General Object Recognition)是視覺(Vision)領(lǐng)域的一個(gè)相當(dāng)困難和根本的問題。目前為止，雖然針對(duì)特定物體的識(shí)別任務(wù)（如人臉檢測(cè)及識(shí)別）已有較為成熟的方法進(jìn)行處理，但如何設(shè)計(jì)出一套適用于一般環(huán)境一般物體的通用系統(tǒng)，從而接近甚至達(dá)到人腦視覺系統(tǒng)的性能，仍然非常具有挑戰(zhàn)性。視覺研究本身是一個(gè)跨學(xué)科領(lǐng)域的問題，涉及到計(jì)算機(jī)視覺及神經(jīng)生物學(xué)這兩個(gè)截然不同的學(xué)科。本文主要從計(jì)算機(jī)視覺這一角度出發(fā)進(jìn)行闡述，

2、側(cè)重于數(shù)學(xué)模型與解模算法設(shè)計(jì)。內(nèi)容上，本論文就近年來在此領(lǐng)域內(nèi)的進(jìn)展作一綜述，并重點(diǎn)分析基于小塊(patch)的算法方案；而后以計(jì)算機(jī)視覺的語言詳細(xì)解析基于特征組合的仿生學(xué)計(jì)算模型HMAX，指出其與計(jì)算機(jī)視覺的緊密關(guān)聯(lián)；接著，本文提出了兩種較新的局部改進(jìn)方案，并完成了相關(guān)實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明了這兩種改進(jìn)方案的可行性。本論文的主要工作和創(chuàng)新點(diǎn)包括以下幾個(gè)方面：1）對(duì)于視覺皮層計(jì)算模型HMAX，本文詳細(xì)分析了其四層結(jié)構(gòu)(S1,C1,S2,C2

3、)的算法步驟，并建立它在計(jì)算機(jī)視覺上的功能對(duì)應(yīng)，即“分塊直方圖”(S1+C1)級(jí)聯(lián)“直方圖”(S2+C2)的結(jié)構(gòu)。在此基礎(chǔ)上，本文得到這樣的結(jié)論：若以“分塊直方圖”作為組合層數(shù)的標(biāo)尺，HMAX事實(shí)上是“一層半”的（有監(jiān)督的）特征組合模型。2）本文對(duì)HMAX的一些算法部件做了改進(jìn)：針對(duì)HMAX中8 ￡ 8的固定區(qū)域劃分，本文提出了非均勻劃分方案；針對(duì)HMAX中隨機(jī)選取小塊(patch)的局部訓(xùn)練方法，本文提出了從整體出發(fā)在同類圖片中自動(dòng)選

4、取共同區(qū)域的算法。與純機(jī)器學(xué)習(xí)上的改進(jìn)不同，本論文更著重于視覺建模的特質(zhì)，即建模二維圖像的結(jié)構(gòu)關(guān)系。3）本論文給出了這兩個(gè)方案的詳細(xì)解模過程。對(duì)于方案a)，本文就其一維和二維的情況分別展開分析，一維情況下可以用動(dòng)態(tài)規(guī)劃(Dynamic Programming)精確快速求解；二維情況下則沒有這樣好的性質(zhì)，然而可以利用依坐標(biāo)下降的優(yōu)化策略求解。對(duì)于方案b)，本文以生成模型建模此問題，并用經(jīng)典的EM算法求解之。對(duì)于這兩個(gè)方案，本文分別實(shí)現(xiàn)了上