多尺度特征檢測(cè)：方法和應(yīng)用研究.pdf

1、一般而言，信號(hào)與信息處理系統(tǒng)由3個(gè)模塊構(gòu)成：信號(hào)預(yù)處理、特征檢測(cè)＼描述、模式識(shí)別。其中特征檢測(cè)＼描述模塊的目的是從預(yù)處理信號(hào)中提取出相關(guān)特征，并將其量化成某種數(shù)值描述，以用于后續(xù)模式識(shí)別。因此，特征檢測(cè)＼描述是整個(gè)信號(hào)與信息處理系統(tǒng)中非常重要的環(huán)節(jié)。事實(shí)上，靈敏、穩(wěn)健和精確的特征檢測(cè)＼描述是決定整個(gè)系統(tǒng)性能的關(guān)鍵。但由于客觀世界具有多樣性和復(fù)雜性，基于多尺度的特征檢測(cè)＼描述是非常重要的技術(shù)問(wèn)題，其近年來(lái)在生物、天文、地理等領(lǐng)域中得到非常

2、廣泛研究和應(yīng)用。
　　 要想實(shí)現(xiàn)多尺度的特征檢測(cè)，必然面臨如下兩個(gè)根本問(wèn)題，即采用何種算子形式來(lái)引入多尺度表達(dá)？如何在多尺度表達(dá)下，融合各尺度信息進(jìn)行特征檢測(cè)？其中第一個(gè)問(wèn)題，已在線性尺度空間理論及其推廣中得到解決。而第二個(gè)問(wèn)題卻并不像前者那樣存在統(tǒng)一的理論，對(duì)其研究則廣泛散布于各類文獻(xiàn)中。
　　 本文主要的工作及創(chuàng)新點(diǎn)，可以分為研究和應(yīng)用兩個(gè)部分。
　　 研究部分，在充分回顧總結(jié)前人工作的基礎(chǔ)上，本文提出了一種

3、多尺度融合的特征檢測(cè)算法框架，以適應(yīng)不同的應(yīng)用場(chǎng)景。該框架主要由3個(gè)環(huán)節(jié)組成：?jiǎn)纬叨忍卣鳈z測(cè)、尺度空間深度結(jié)構(gòu)建立、設(shè)計(jì)深度結(jié)構(gòu)代價(jià)函數(shù)來(lái)確定最終特征。這些環(huán)節(jié)的設(shè)計(jì)并無(wú)統(tǒng)一理論指導(dǎo)，需要考慮具體的應(yīng)用目標(biāo)及背景知識(shí)等信息。
　　 應(yīng)用部分，本文將多尺度融合的特征檢測(cè)算法框架分別應(yīng)用于生物蛋白質(zhì)譜分析，電影膠片降質(zhì)的檢測(cè)和修復(fù)，以期檢驗(yàn)該框架的有效性，并力圖解決這兩個(gè)應(yīng)用領(lǐng)域中普遍存在的困難和問(wèn)題。在這兩個(gè)應(yīng)用中具體的工作和創(chuàng)新

4、性敘述如下。
　　 在生物蛋白質(zhì)譜分析中，我們將多尺度特征檢測(cè)的思想應(yīng)用于峰值特征檢測(cè)，以克服質(zhì)譜畸變對(duì)現(xiàn)有分析系統(tǒng)的普遍干擾。首先，我們提出peak tree這樣一種尺度空間深度結(jié)構(gòu)來(lái)表達(dá)所有不同尺度下峰值特征的關(guān)系。而后，我們將峰值特征檢測(cè)轉(zhuǎn)化為peak tree的樹(shù)分解問(wèn)題。在樹(shù)分解代價(jià)函數(shù)的設(shè)計(jì)中，綜合考慮局部峰值特征以及全局共同峰信息，從而克服質(zhì)譜畸變干擾。在此基礎(chǔ)上，我們獲得了一種新的閉環(huán)峰值檢測(cè)算法，以迭代的方式逐

5、步修正峰值檢測(cè)結(jié)果。最后，我們?cè)趥鹘y(tǒng)蟻群優(yōu)化的生物標(biāo)記特征選擇算法中，加入了基于多元變量統(tǒng)計(jì)特性的啟發(fā)信息和局部確定性優(yōu)化，以提升其性能?；谏鲜鏊惴ǖ牡鞍踪|(zhì)譜分析系統(tǒng)，與傳統(tǒng)方法相比，其峰值檢測(cè)的準(zhǔn)確性和用于疾病預(yù)測(cè)有效性，分別在基于虛擬質(zhì)譜數(shù)據(jù)和真實(shí)SELDI質(zhì)譜數(shù)據(jù)庫(kù)的實(shí)驗(yàn)中得到驗(yàn)證。
　　 在電影膠片降質(zhì)檢測(cè)和修復(fù)中，劃痕是最為常見(jiàn)且較難檢測(cè)的一種膠片降質(zhì)。與傳統(tǒng)方法相比，我們的改進(jìn)目標(biāo)是一種全自動(dòng)的穩(wěn)健檢測(cè)算法，能同時(shí)