結(jié)構(gòu)不變性在模式識(shí)別中的理論及應(yīng)用.pdf

1、圖像識(shí)別是模式識(shí)別的重要板塊,傳統(tǒng)的模式識(shí)別理論方法在圖像識(shí)別中也有廣泛應(yīng)用。如不變矩理論在對(duì)剛性物體的識(shí)別中表現(xiàn)出色,在對(duì)象縮放、平移以及旋轉(zhuǎn)之后仍能提取出不變的特征。類(lèi)Haar特征與AdaBoost算法的結(jié)合方法成為實(shí)時(shí)人臉檢測(cè)最重要的方法之一。一般來(lái)說(shuō),對(duì)于不同的對(duì)象,不同方法間的效果差異明顯,特征的選擇是其關(guān)鍵因素。從直觀形態(tài)特征選擇的角度考慮,現(xiàn)有的方法主要分為兩類(lèi):一、將對(duì)象整體數(shù)據(jù)投射到特征空間;二、將局部數(shù)據(jù)投射到特征空

2、間。這兩類(lèi)方法各有優(yōu)缺點(diǎn):前者是對(duì)象整體所有信息的統(tǒng)計(jì),對(duì)形態(tài)固定、噪聲較小的對(duì)象,有著很高的識(shí)別率與速度;后者則聚焦對(duì)象帶有鮮明特點(diǎn)的局部特征,在識(shí)別中有較強(qiáng)的抗噪能力。而兩者的優(yōu)勢(shì)也反映了其弱點(diǎn),第一類(lèi)方法依賴于對(duì)象整體數(shù)據(jù)的穩(wěn)定性,另一類(lèi)方法則依賴與對(duì)象局部特征的差異性。對(duì)于不具備上述條件的對(duì)象,兩類(lèi)方法都不適用。于是,本文提出的一種基于結(jié)構(gòu)的識(shí)別思想,為解決此類(lèi)問(wèn)題提供一種思路與方法,并研究了結(jié)構(gòu)模型的建立與計(jì)算。
　　本

3、文的具體工作如下:
　　(1)提出基于結(jié)構(gòu)特征的識(shí)別模型。該方法在訓(xùn)練過(guò)程中將待識(shí)別對(duì)象劃分為幾個(gè)部分,每個(gè)部分使用已有的訓(xùn)練方法進(jìn)行第一次訓(xùn)練,然后將各部分結(jié)合作第二次訓(xùn)練,最終得到識(shí)別對(duì)象結(jié)構(gòu)的分類(lèi)器。本文第一次訓(xùn)練使用兩種方法,分別采用了矩不變量(Moment Invariants)結(jié)合支持向量機(jī)(Support Vector Machine)的方法和類(lèi) Haar特征結(jié)合AdaBoost算法的方法。在第二次訓(xùn)練中將各部分訓(xùn)練