基于2D和3D SIFT特征融合的一般物體識別算法研究.pdf

1、隨著計算機視覺、人工智能、機器人和模式分類等科學技術(shù)的發(fā)展與進步，自動物體識別(Automatic Object Recognition，AOR)系統(tǒng)已經(jīng)發(fā)展成為人工智能領(lǐng)域的重要研究方向之一。一般物體識別(Generic Object Recognition, GOR)作為物體識別系統(tǒng)中的主要組成部分，在智能監(jiān)控、遙測遙感、機器人、醫(yī)學圖像處理等方面有著廣泛的應用前景。由于真實環(huán)境中一般物體存在類內(nèi)差異明顯、類間相似度高、同一物體在視

2、角變化時差異巨大等問題，導致一般物體識別算法正確識別率低下。選擇合適的特征表示一般物體類內(nèi)共性、類間差異等特性至關(guān)重要，提取穩(wěn)定而有效的特征才能在有限的訓練樣本下得到最好的識別結(jié)果。本論文針對上述問題，提取物體二維特征和三維特征，利用多特征融合完成一般物體識別過程，主要內(nèi)容如下:
　　一般物體識別中特征提取與表示至關(guān)重要，在尺度不變特征轉(zhuǎn)換(Scale InvariantFeature Transform，SIFT)即2D SIF

3、T特征的基礎上，提出了基于點云模型的3D SIFT特征描述子，并利用多種特征融合算法實現(xiàn)兩特征融合，提出一種基于2D和3D SIFT特征融合的一般物體識別算法。本文提出的一般物體識別算法的特點在于:(1)將2DSIFT特征描述子擴展至基于點云模型的3D SIFT特征描述子，提取物體的2D和3DSIFT特征作為其特征表示，并利用經(jīng)典的統(tǒng)計學模型“詞袋”(Bag of Word，BoW)模型實現(xiàn)物體描述;(2)運用有監(jiān)督分類器支持向量機(S

4、upport Vector Machine，SVM)實現(xiàn)分類訓練和識別;(3)利用四種特征融合算法實現(xiàn)特征融合，分別為:特征級融合以及決策級融合中的平均加權(quán)融合、DSmT(Dezert-Smarandache theory)融合和Murphy融合，根據(jù)融合結(jié)果給出最終識別結(jié)果，從而完成一般物體識別任務。
　　最后，通過針對一般物體識別的一系列仿真實驗，表明本文提出的一般物體識別算法在類內(nèi)差異明顯、類間相似度高以及視角發(fā)生變化等情況