基于稀疏表示的可变形部件模型目标检测

摘要

本文对基于稀疏表示的可变形部件模型目标检测进行了研究。目标检测是从获取的图像中提取感兴趣的区域，作为图像处理的一个基础而重要的问题深受国内外学者的重视，在视觉导航、目标侦查、空间遥感等方面具有广泛应用。由于目标本身外表的多变性和外界环境的复杂性，因此从静态图片中检测并定位某一类目标(例如人或车)的工作变得非常复杂。基于可变形部件模型 DPM（Deformable Part Model）的目标检测算法是由P. Felzenszwalb于2008年提出，是一种鲁棒且高效的目标检测方法。目前DPM已成为众多分类、分割、姿态估计等算法的核心部分，利用这个模型的方法在近几届PASCAL VOC Challenge中都取得了较好的效果。基于可变形部件模型的目标检测算法采用方向梯度直方图HOG（ Histogram of Oriented Gradient）进行特征表示，由于HOG无法处理模糊的边界而且忽略了平滑的特征区域，从而影响了DPM算法的性能。近年来对于稀疏表示的研究越来越热，尤其是在图像处理和识别方面效果显著。为了提高DPM的性能，提出一种基于稀疏表示的可变形部件模型目标检测的方法。该方法利用稀疏编码构建一种新的特征描述子来取代原可变形部件所使用的方向梯度直方图，新的特征描述子能够描述物体更多的信息，对图像中的噪声不敏感。实验结果表明，提出的方法在PASCAL VOC2012数据集上提高了原可变形部件模型算法的精度。

目录

封面

声明

中文摘要

英文摘要

目录

第1章 绪论

1.1 研究背景及意义

1.2 研究现状

1.3 目标检测的问题分析

1.4 本文的主要工作及组织结构

第2章 基于可变形部件模型的目标检测

2.1 HOG特征提取

2.2 可变形部件模型

2.3 DPM的检测过程

2.4 DPM的训练过程

2.5 DPM目标检测的主要问题

2.6 小结

第3章 基于稀疏表示的可变形部件模型目标检测

3.1 基于稀疏编码的可变形部件模型

3.2 基于稀疏表示的可变形部件模型目标检测的流程

3.3 小结

第4章 实验结果与分析

4.1 实验数据集

4.2 实验环境

4.3 实验结果

4.4 实验分析

4.5 小结

第5章 总结与展望

5.1 论文总结

5.2 未来展望

参考文献

致谢

附录 攻读硕士学位期间发表的论文和参与的科研项目