图象特征提取及分类识别的算法研究.pdf

摘要 随着计算机的发展，信息化进程的加速，尤其是多媒体技术的日益完善，在 大量军事领域和一些民用领域中，图像识别都有着十分广泛的应用，其领域包括 导弹防御系统、空中／地面交通管制系统，身份认证系统，指纹虹膜识别系统等 等。为此，各国尤其是技术发达国家均投入了大量的人力物力用于目标识别系统 的研究，以寻找各种快速而有效的目标识别方法。目前，在这一领域中己经取得 了大量的成果。虽然图像识别的理论研究已经有了很长时间的历史，具备了较为 完善的体系，但是在应用方面，仍然存在着许多难以克服的缺陷和问题，无论在 特征提取方面，目标检测方面还是识别方面，目前国内外仍在进行深入的研究， 不断提出新的概念，新的算法，传统的一些目标识别算法也受到了很大的挑战。 这就要求我们对算法和理论部分不断的提出新的概念，完善老的算法。这也就是 本论文主要研究的内容。 本文的主要工作和成果如下： 1．在图像特征提取的算法方面，详细研究了多通道Gabor小波变换，该变换能 较好地描述了生物视觉神经元的感受问题，根据特定的视觉需要可相应地调 整它的空间与频率采样特性，从而获得我们感兴趣的目标特征。对于频域变 换来说，目标物体的几何特征是否能在频域得到较好的描述一直是一个关键 性而又难以较好解决的问题，几何特征是描述目标物体最直观，最有力的特 征向量。另一个特征提取算法中的难点是如何克服目标物体的局部遮挡问题。 针对上述两个问题，在本文中提出并发展了一种基于直脊变换来描述物体边 缘曲线的特征提取算法。综合利用Gabor滤波，Radon变换和小波变换等方 法对图像进行子带分解、并对脊片断进行直脊变换，从而完成了该算法在数 字图像上的实现。实验表明，该算法在图象重构及去噪方面都有良好的效果， 能比较充分的表述物体的几何特征和纹理特征。针对局部遮挡问题，基于信 息融合的概念，引入不变矩的概念提取另一组特征向量，综合两组特征向量 进行分类识别，分类结果表明基于不变矩的算法在一定程度上能克服物体的 遮挡问题。速度较慢是该算法需要克服的问题。 2．在分类检测方面，在详细论述了基于统计学习理论上发展起来的支持向量机 摘要 算法的基础上，实现了采用各种核函数的SVM快速算法在二类问题上的分 类检测，并对前面提取的特征向量进行分类，和传统的神经网络分类的结果 进行了比较，实验结果表明：该算法训练速度远远超过传统的神经网络分类 算法，并且能够克服传统神经网络分类算法中一旦特征向量维数改变，为了 保证迭代结果的收敛需要不断调整网络结构和激活函数的类型等弊病。分类 的准确率也比传统的神经网络高。 3．在匹配算法方面，着重讨论了基于Gabor模板匹配的算法，为了克服传统的 匹配算法计算量大，运算速度慢效率不高，并且由于受环境条件的影响，一 旦目标图象存在一定程度的变形或遮挡，很难保证其准确率等缺点，利用弹 性网格匹配，自动模拟物体的弹性变形，实验结果表明该算法能够大大克服 对由于背景和目标变化而引起的识别误差。 本文较为深入的研究了从特征提取，图象分类到识别等一系列的方法和技 术，尤其是在特征提取算法的研究中，提出了一种从概念到理论上都比较新的方 法。在整个图象识别的算法流程中均取得了一定的成果，设计并完成了整个图象 识别算法在数字图像上的实现过程，在结果分析中可以看出该算法具有一定的应 用和推广价值。 II Abstract Abstract ofour Withthe of acceleration computer,the societycommunication， development skill identificationhave