基于稀疏部件輪廓擴(kuò)展的形變感興趣目標(biāo)定位技術(shù)研究.pdf

1、感興趣目標(biāo)定位一直是計算機(jī)視覺和模式識別等領(lǐng)域的研究熱點(diǎn)之一。在過去幾十年中，研究者們提出很多方法解決非形變目標(biāo)定位問題，但對于形變目標(biāo)定位問題仍存在不少困難。本文在總結(jié)和分析國內(nèi)外相關(guān)研究工作的基礎(chǔ)上，主要討論下面三個改進(jìn)的感興趣目標(biāo)檢測定位算法。
　　首先，針對傳統(tǒng)基于形狀信息的目標(biāo)定位算法對目標(biāo)發(fā)生形變情況下定位的困難，研究基于稀疏活動輪廓模型的目標(biāo)檢測算法。本文先用共同勾畫算法學(xué)習(xí)到感興趣目標(biāo)的稀疏活動輪廓模型，構(gòu)成該模型

2、的Gabor基元能局部擾動以適配形變圖像；然后用交替的sum-max maps結(jié)構(gòu)檢測圖像中與輪廓模型匹配分?jǐn)?shù)最高的區(qū)域，并分割出來；最后用視覺皮層模型對分割后的圖像進(jìn)行模式分類確認(rèn)目標(biāo)。實驗結(jié)果驗證了該算法的有效性。
　　其次，針對稀疏活動輪廓模型可以較好地解決目標(biāo)微小形變情況下的定位問題，但是對訓(xùn)練樣本要求嚴(yán)格，同時學(xué)習(xí)到的可變形模板對目標(biāo)發(fā)生較大形變情況下的定位產(chǎn)生一定偏差，研究基于稀疏活動輪廓擴(kuò)展的形狀腳本模型的目標(biāo)檢測算

3、法。本文通過擴(kuò)展活動輪廓模型學(xué)習(xí)到組成感興趣目標(biāo)的可變形形狀圖案，這些形狀圖案構(gòu)成的形狀腳本模型能夠提高檢測算法在目標(biāo)形變較大情況下的魯棒性；然后用該模型在遞歸的sum-max maps結(jié)構(gòu)上進(jìn)行圖像匹配實現(xiàn)目標(biāo)定位。該方法取得良好的定位效果。
　　最后，針對傳統(tǒng)的基于梯度方向直方圖特征的目標(biāo)定位算法受噪聲、變形等因素影響較大的情況，研究基于 HOG特征混合模型的感興趣目標(biāo)定位算法。首先用訓(xùn)練樣本的梯度方向直方圖特征訓(xùn)練分類器LS