基于RGB-D圖像和度量學(xué)習(xí)的三維物體表面紋理識(shí)別.pdf

1、三維物體識(shí)別是計(jì)算機(jī)視覺領(lǐng)域中的一個(gè)重要分支,也是長(zhǎng)期以來人們爭(zhēng)相研究的熱點(diǎn)。該熱點(diǎn)研究與生活中許多“智能”方面的研究,例如智能機(jī)器人、智能視頻監(jiān)控系統(tǒng)等密切相關(guān),具有十分重要的研究意義與應(yīng)用價(jià)值。然而,在三維物體識(shí)別的過程中,由于拍攝的角度或者物體擺放的位置不同,計(jì)算機(jī)獲得的三維物體表面紋理往往發(fā)生形變或者缺失。這使得有效信息大大減少,從而導(dǎo)致無法獲得較高的識(shí)別準(zhǔn)確率。因此,尋找一種能夠準(zhǔn)確識(shí)別三維物體表面紋理的方法是目前物體識(shí)別研究

2、工作中的重點(diǎn)內(nèi)容。
　　近年來,Kinect等能夠同時(shí)獲得物體顏色和深度信息的設(shè)備的出現(xiàn),引起了基于 RGB-D圖像研究的熱潮,同時(shí)也成為三維物體識(shí)別研究的有利工具。本文正是借助 Kinect傳感器獲得的信息,開展了基于 RGB-D的三維物體連續(xù)表面紋理重建的創(chuàng)新性研究,實(shí)現(xiàn)了對(duì)發(fā)生形變的表面紋理的恢復(fù)。
　　此外,考慮到距離度量學(xué)習(xí)對(duì) K近鄰等分類算法準(zhǔn)確率的影響,本文將距離度量學(xué)習(xí)引入到三維物體表面紋理識(shí)別的研究中。文中

3、首先系統(tǒng)地研究了幾種常見的距離度量學(xué)習(xí)算法、度量方式以及分類算法。接著,使用混合高斯模型、區(qū)域生長(zhǎng)等方法進(jìn)行了基于 RGB-D圖像的三維物體表面紋理重建研究,為后續(xù)的紋理識(shí)別實(shí)驗(yàn)提供了樣本數(shù)據(jù)。之后,以 Outex等多個(gè)公共紋理庫中的紋理圖像為研究對(duì)象,分別使用支持向量機(jī)、普通 K近鄰法以及結(jié)合不同距離度量學(xué)習(xí)算法的 K近鄰法對(duì)其進(jìn)行識(shí)別,并對(duì)各實(shí)驗(yàn)結(jié)果做了對(duì)比、分析。最后,將識(shí)別準(zhǔn)確率最高的 ITML-KNN算法應(yīng)用于重建后的三維物體