基于類屬超圖的目標識別系統設計與實現.pdf

1、如何在先驗知識缺少、環(huán)境變化復雜的情況下對即時感興趣目標進行檢測與識別是戰(zhàn)場光學圖像識別系統需要解決的關鍵問題。本文以構建在可見光條件下具有廣泛適應性的目標識別模型為目的，對目標圖像的表示、目標模型的訓練和構建以及目標的跟蹤和識別進行了研究，重點針對目標成像變化過程中的近似連續(xù)性，研究了目標特性知識的自我學習和自我更新、檢測與識別的一體化方法，并在著重解釋基于類屬超圖的目標檢測、跟蹤和識別原理的基礎上，設計和實現了一種基于目標類屬超圖模

2、型的目標識別系統。論文研究成果在圖像目標識別、圖像檢索等諸多領域具有廣泛的應用前景。
　　本文所做的主要工作包括:
　　首先針對即時感興趣目標在復雜環(huán)境下各種不同的成像狀態(tài)，強調了識別任務的艱巨性。本文引入并依靠SIFT特征對于仿射、部分光照變化的適應性，提出了對于目標特性知識具有無監(jiān)督學習特性的CSHG模型，從目標特性描述和目標模板更新兩方面著手，利用Haar-Adaboost特定目標的檢測方法提取的目標圖像作為識別系統的

3、輸入實現了特定目標在環(huán)境變化過程中的穩(wěn)定識別，驗證了CSHG目標模型對于復雜成像環(huán)境的適應性。
　　然而，即時感興趣目標的選擇往往具有不確定性，而Haar-Adaboost目標檢測方法是一種基于樣本統計的目標檢測方法，在實現穩(wěn)定目標檢測方法之前需要準備大量的目標樣本和非目標樣本，這對于即時感性目標的檢出是不利的。本文利用RSOM的快速匹配特性和CSHG目標模型的自我學習特性，提出了基于CSHG一體化的目標檢測、跟蹤與識別方法，從零