基于局部神經(jīng)反應(yīng)的目標(biāo)識(shí)別研究.pdf

1、隨著模式識(shí)別和計(jì)算機(jī)視覺技術(shù)的發(fā)展，目標(biāo)識(shí)別在軍事、航天、導(dǎo)航、天文和智能視頻監(jiān)控等方面有著廣泛的應(yīng)用，一直以來都受到國內(nèi)外研究學(xué)者們的關(guān)注。目標(biāo)識(shí)別的性能主要依賴于相似性度量方法的選擇，本文利用深度學(xué)習(xí)和流形學(xué)習(xí)理論提取目標(biāo)圖像的特征表示，同時(shí)有效的模板選取方法能夠提高圖像特征的匹配精度，主要研究?jī)?nèi)容如下:
　　首先，介紹了基于模板選取的局部不變特征提取方法，分別闡述了特征提取的目的及條件、判別依據(jù)并簡(jiǎn)單描述了常見的性能較好的特

2、征提取算法?；谀０宓奶卣魈崛》椒ㄔ趫D像識(shí)別過程中對(duì)于圖像信息的處理和特征的提取能夠有較好的圖像表示，從而使圖像識(shí)別得到較高的準(zhǔn)確率。
　　其次，局部神經(jīng)反應(yīng)的特征提取算法采用深度學(xué)習(xí)和流形學(xué)習(xí)算法提取圖像特征，使特征信息表示更具代表性。該算法具有尺度和旋轉(zhuǎn)不變性，且由局部編碼獲取圖像中局部的顯著特征，最大化聯(lián)合操作保持提取特征的平移不變性，在圖像識(shí)別的過程中可以處理不規(guī)則分布的復(fù)雜數(shù)據(jù)和高效處理高維數(shù)據(jù)、提高分類精度。
　

3、　然后，基于局部神經(jīng)反應(yīng)提出了一種具有較好特征表示能力的模板選取算法。該算法利用樣本圖像的標(biāo)記信息獲得較少數(shù)目且具有較強(qiáng)判別能力的模板，使局部神經(jīng)反應(yīng)更加適合圖像識(shí)別。通過在標(biāo)準(zhǔn)圖像數(shù)據(jù)庫上進(jìn)行實(shí)驗(yàn)，結(jié)果表明此算法在使用少量模板的情況下依然可以提高局部神經(jīng)反應(yīng)的圖像識(shí)別精度。
　　最后，論文使用MATLAB中GUI界面實(shí)現(xiàn)目標(biāo)中人臉圖像識(shí)別系統(tǒng)的仿真。結(jié)果表明，本文使用的基于局部神經(jīng)反映的模板選取算法對(duì)局部形變和復(fù)雜背景具有較好的