结构不变性在模式识别中的理论及应用

摘要

图像识别是模式识别的重要板块,传统的模式识别理论方法在图像识别中也有广泛应用。如不变矩理论在对刚性物体的识别中表现出色,在对象缩放、平移以及旋转之后仍能提取出不变的特征。类Haar特征与AdaBoost算法的结合方法成为实时人脸检测最重要的方法之一。一般来说,对于不同的对象,不同方法间的效果差异明显,特征的选择是其关键因素。从直观形态特征选择的角度考虑,现有的方法主要分为两类:一、将对象整体数据投射到特征空间;二、将局部数据投射到特征空间。这两类方法各有优缺点:前者是对象整体所有信息的统计,对形态固定、噪声较小的对象,有着很高的识别率与速度;后者则聚焦对象带有鲜明特点的局部特征,在识别中有较强的抗噪能力。而两者的优势也反映了其弱点,第一类方法依赖于对象整体数据的稳定性,另一类方法则依赖与对象局部特征的差异性。对于不具备上述条件的对象,两类方法都不适用。于是,本文提出的一种基于结构的识别思想,为解决此类问题提供一种思路与方法,并研究了结构模型的建立与计算。
　　本文的具体工作如下:
　　(1)提出基于结构特征的识别模型。该方法在训练过程中将待识别对象划分为几个部分,每个部分使用已有的训练方法进行第一次训练,然后将各部分结合作第二次训练,最终得到识别对象结构的分类器。本文第一次训练使用两种方法,分别采用了矩不变量(Moment Invariants)结合支持向量机(Support Vector Machine)的方法和类 Haar特征结合AdaBoost算法的方法。在第二次训练中将各部分训练的结果做统计,确定关键有效的部分并加以组合。
　　(2)在结构划分方法上进行了探索,由于最开始的结构划分是根据人的先验知识进行的主动划分,主动划分的优劣决定了识别效果的好坏。文中提出了一种自动划分区域识别的方法。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪 论

1.1 研究背景及意义

1.2 国内外研究现状

1.3 本文的主要工作

1.4 本文识别效果的评价标准

1.5 本文的结构与安排

第二章 Hu不变矩与支持向量机介绍

2.1 不变矩理论介绍

2.2 七个Hu不变矩

2.3 支持向量机介绍

2.4 Hu不变矩结合SVM的实验与分析

2.5 本章小结

第三章 类Haar特征与AdaBoost算法介绍

3.1 类Haar特征

3.2 AdaBoost算法

3.3 Haar分类器

3.4 类Haar特征与AdaBoost算法结合实验

3.5 本章小结

第四章 结构模型的探索

4.1 引言

4.2 结构模型一

4.3 结构模型二

4.4 结构自动划分探索

4.5 本章小结

第五章 实验与分析

5.1 手动划分模型实验

5.2 自动划分模型实验

5.3 本章小结

第六章 研究总结与展望

致谢

参考文献

攻读硕士学位期间取得的成果