結(jié)構(gòu)不變性在模式識別中的理論及應(yīng)用.pdf

1、圖像識別是模式識別的重要板塊,傳統(tǒng)的模式識別理論方法在圖像識別中也有廣泛應(yīng)用。如不變矩理論在對剛性物體的識別中表現(xiàn)出色,在對象縮放、平移以及旋轉(zhuǎn)之后仍能提取出不變的特征。類Haar特征與AdaBoost算法的結(jié)合方法成為實時人臉檢測最重要的方法之一。一般來說,對于不同的對象,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:一、將對象整體數(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。這兩類方法各有優(yōu)缺點:前者是對象整體所有信息的統(tǒng)計,對形態(tài)固定、噪聲較小的對象,有著很高的識別率與速度;后者則聚焦對象帶有鮮明特點的局部特征,在識別中有較強的抗噪能力。而兩者的優(yōu)勢也反映了其弱點,第一類方法依賴于對象整體數(shù)據(jù)的穩(wěn)定性,另一類方法則依賴與對象局部特征的差異性。對于不具備上述條件的對象,兩類方法都不適用。于是,本文提出的一種基于結(jié)構(gòu)的識別思想,為解決此類問題提供一種思路與方法,并研究了結(jié)構(gòu)模型的建立與計算。
　　本

3、文的具體工作如下:
　　(1)提出基于結(jié)構(gòu)特征的識別模型。該方法在訓(xùn)練過程中將待識別對象劃分為幾個部分,每個部分使用已有的訓(xùn)練方法進行第一次訓(xùn)練,然后將各部分結(jié)合作第二次訓(xùn)練,最終得到識別對象結(jié)構(gòu)的分類器。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(Support Vector Machine)的方法和類 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