不變性子空間識(shí)別方法研究.pdf

1、計(jì)算機(jī)視覺(jué)系統(tǒng)的目標(biāo)是解釋已有的“視覺(jué)”數(shù)據(jù)，并使用這些解釋去完成任務(wù)。出于機(jī)器人工件抓取任務(wù)、自動(dòng)導(dǎo)航、自動(dòng)檢測(cè)、裝配任務(wù)與醫(yī)學(xué)圖像的分析等等大量現(xiàn)實(shí)應(yīng)用的需要，如今目標(biāo)識(shí)別已成為一個(gè)很活躍的研究領(lǐng)域?，F(xiàn)有的很多目標(biāo)識(shí)別方法主要是基于模板匹配和幾何形狀特征點(diǎn)提取分類等方法，這些識(shí)別方法存在很多缺點(diǎn)。比如基于圖像匹配的方法直接比較兩幅圖像相應(yīng)象素灰度級(jí)之間相似性的總和，這種方法并不具備方向、尺度、幾何畸變等不變性，這就需要目標(biāo)圖像和樣本

2、圖像之間的相關(guān)性很強(qiáng)。采用合適的目標(biāo)識(shí)別方法來(lái)盡量克服目標(biāo)和背景產(chǎn)生的畸變，這是目標(biāo)識(shí)別領(lǐng)域的一個(gè)難點(diǎn)所在。特征抽取是模式識(shí)別中的關(guān)鍵問(wèn)題之一。原始特征的數(shù)量可能很大，樣本可能是處于一個(gè)高維空間中，通過(guò)映射或變換等方法可以用低維空間來(lái)表示樣本。我們的目的就是為了能夠在低維空間中更好地進(jìn)行分類識(shí)別。本文主要研究在目標(biāo)和背景在發(fā)生姿態(tài)變化﹑噪聲干擾﹑部分遮擋﹑光照變化等不同畸變情況下，盡可能地從目標(biāo)樣本中抽取有益于識(shí)別的信息特征，提高分類識(shí)

3、別率同時(shí)加快識(shí)別速度。本文首先深入研究了特征空間的原理，并對(duì)識(shí)別過(guò)程中的特征表達(dá)和相似性度量這兩個(gè)關(guān)鍵步驟做了深入的研究工作和實(shí)驗(yàn)，實(shí)現(xiàn)了基于特征空間的目標(biāo)識(shí)別系統(tǒng)，其中采用了幾種有效的改進(jìn)方法，有效地解決了識(shí)別過(guò)程中存在的諸如光照以及3D目標(biāo)姿態(tài)估計(jì)等問(wèn)題，提高了識(shí)別的魯棒性。完成子空間目標(biāo)識(shí)別算法以后，為了有效地抽取模式的分類信息，繼續(xù)研究了基于Fisher鑒別準(zhǔn)則的線性鑒別分析方法。Fisher最佳鑒別矢量方法的基本思想是將原來(lái)高

4、維的模式樣本投影到最佳鑒別矢量空間中以達(dá)到減少特征空間維數(shù)的目的。投影后的模式樣本在新的子空間中有最大的類間距離和最小的類內(nèi)距離，即模式在該空間中有最佳的可分離性。對(duì)于高維模式識(shí)別問(wèn)題，原來(lái)的Fisher鑒別準(zhǔn)則具有一定的缺陷，會(huì)經(jīng)常碰到“維數(shù)災(zāi)難”的問(wèn)題。最后，本文討論了基于流形學(xué)習(xí)的局部線性嵌入方法，它是針對(duì)非線性數(shù)據(jù)的一種新的降維技術(shù)，它不僅可以對(duì)數(shù)據(jù)降維，并且能夠使降維后的數(shù)據(jù)保持原有的拓?fù)浣Y(jié)構(gòu)。LLE作為一種新的降維方法，既有