论文部分内容阅读
图像内容分析与理解是视觉智能的重要内容之一,图像目标分类是图像内容分析与理解领域的研究热点,图像目标分类在实际生活中有着重要的应用,已经获得广泛研究。当前图像目标分类的基本思想是先建立图像目标的描述,然后利用机器学习方法学习图像目标类型,最后利用学习得到的模型对未知图像目标进行分类或识别。计算机表示的底层特征与人类理解的高层语义特征存在语义鸿沟,使得图像目标分类面临着很大挑战,图像目标分类有待进一步研究。由于判别学习具有很好的实际应用性能,本文主要研究如何将图像目标描述与判别学习进行融合,并应用于图像目标分类。本文主要从两个大的方面研究图像目标分类,即通用图像目标分类和特定图像目标分类,对于通用图像目标分类采用基于局部特征的图像描述与判别学习算法相融合的方法,对于特定图像目标分类根据特定图像目标的特性提取不同的全局特征,然后结合相应的判别分类方法进行图像目标分类。本文的主要研究工作和创新点归纳如下:1.充分挖掘局部特征在特征空间的结构特性,提出密度导向的树型结构核函数,该核函数是非参数核函数,具有与特征点数目成线性关系的计算复杂度,能够计算出具有不等势的两个特征点集之间局部匹配关系,具有较好的匹配能力,无需用户指定特定参数,满足正定条件,可以用于基于核函数的学习算法,能够将图像目标的描述和判别分类器进行良好的融合,进行图像目标定位或识别。实验表明该核函数具有良好的局部匹配性能和图像目标的分类能力。2.研究局部特征在图像空间的位置相关性,提出局部特征空间相关核函数,该核函数可以较好地描述局部特征在图像中相对位置关系,满足正定条件,可以嵌入基于核的学习算法,且具有较好的时间效率。实验结果表明局部特征空间相关核函数具有较好的分类性能。3.研究局部特征同时在图像空间和特征空间的关系,提出双空间金字塔匹配核函数,该核函数可以满足正定条件,具有线性计算复杂度,可以嵌入基于核的学习算法。实验结果表明双空间金字塔匹配核具有较好的分类性能。4.仔细分析遥感图像的语义内容,设计一种遥感图像语义内容层次模型,可以将遥感图像语义层次模型应用于遥感图像分类、检索,目标检测和识别等。提出基于角点分布特征的中低分辨率遥感图像飞机检测方法,该方法利用飞机的角点分布特征可以快速地进行目标粗定位,为后面的分类判别减少计算量,然后使用简单有效的空间结构特征和决策树对飞机进行判别,实验取得良好的效果。5.针对基于相机的中英文字符语言种类自动识别问题,提出一种基于后验概率估计的层叠分类器,该层叠分类器的节点分类器采用判别学习算法,采用两种方法设计层叠分类器的节点阈值,即独立阈值设计和非独立阈值设计,并从理论上设计满足整体要求的层叠分类器。该层叠分类器的设计为高分类率的分类器设计提供了一种理论方法。为了能够很好地挖掘中英文字符之间的结构差异,提出采用基于象素梯度信息的水平垂直笔画向量和梯度方向相关图,以及基于位置相关象素的相对灰度信息的Census变换(Census Transform)直方图,它们对光照、噪声以及分辨率等都具有良好的鲁棒性,可以应用于基于相机的图像。理论分析和实验结果表明,非独立阈值设计可以使层叠分类器获得更高的分类率,提出的方法对于基于相机的中英文字符语言种类具有良好的分类能力。