一种基于多尺度语义分析图像识别方法.docVIP

一种基于多尺度语义分析的图像识别方法 　　 (1.西南科技大学 计算机科学与技术学院，四川绵阳 621010； 2.西南交通大学 CAD工程中心, 成都 610031） 　　?? 　　摘 要： 　　提出一种基于多尺度语义分析的图像识别方法，首先在多尺度空间中提取语义，然后使用支持向量机对语义进行分类，以达到识别的目的。实验表明，该算法识别准确率高，并能适应存在方向变化、变形等复杂的识别环境。 　　?す丶?词：图像识别； 语义分析； 多尺度； 支持向量机 　　?ぶ型挤掷嗪牛?TP391 文献标志码：A 　　 文章编号：1001-?B3695(2009)02-?B0799-?B02 　　?? 　　Image recognition based on multi-scale semantic analysis 　　?? 　　CHEN Li-wei 1,2, LI Chun-yan1 　　??(1.College of Computer Science Technology, Southwest University of Science Technology, Mianyang Sichuan 621010, China; 2.CAD Engineering Center, Southwest Jiaotong University, Chengdu 610031, China) 　　?? 　　Abstract:This paperproposoed a novel method of image recognition based on multi-scale semantic ananlysis, and extracted the new method the semantic features at first and dividing with SVM. Experimental results show that the algorithm has a high accuracy. The complicated conditions with rotations and slight distortions on also be adapted. 　　??Key words：image recognition; semantic analysis; multi-scale; SVM 　　?オ? 　　 　　由于图像变形、冗余信息和噪声的影响，图像识别很难通过数据匹配或相关性分析完成，目前绝大多数图像识别技术均基于特征提取进行。图像特征能体现事物的某些方面的特性，如纹理特征体现了图像的颜色分布、轮廓特征体现图像的外形特点，但图像的许多语义如事物的种类、动物的姿势等信息，却很难用简单的特征表示。因此，要达到更佳的图像识别效果，必须进行图像语义分析。?? 　　数字图像的单一像素仅代表一个颜色值，要获取图像的语义必须分析像素间的关系。而由于噪声的存在与数字化的不精确，像素间关系也是一种松散的关系，一般的数学方法无法表达这种关系，粗集和模糊集理论虽然能在一定程度上表达，却没有提供有效的分析方法。为方便语义分析，首先应寻求合适的图像表达方法。图像的语义主要由两方面 　　表现，即边缘轮廓的变化和区域内部像素值的分布。对区域内部像素值分布，Witkin[1]提出使用尺度空间滤波（scale-space filtering）进行描述，即使用高斯函数对图像进行卷积：?? 　　I(x,y,t)=I0(x,y)*G(x,y,t) 　　?? 　　通过取不同的尺度t，就可以得到图像在不同范围的分布趋势。Perona等人[2]使用各向异性扩散方程(anisotropic diffusion equation)?? 　　It=div(c(x,y,t)??T)(1) 　　?? 　　的解替代空间滤波中的高斯函数，并通过c(x,y,t)=exp{-‖??I‖}将图像的平滑区域与边缘轮廓相联系，使多尺度分析方法得到进一步发展。多尺度分析可以将图像分解到不同的尺度空间中，方便进行语义分析，但由于尺度范围可以任意多，如何组织和利用不同层次的语义却比较困难。?? 　　支持向量机(SVM)是Vapnik等人[3]提出的机器学习方法，由于其学习能力优越，并能有效解决维数灾难的问题，在模式识别中得到广泛应用。图像在不同尺度空间获得的语义特征可以提供不同层次的图像识别依据，这些依据可能相互独立甚至冲突，这正是SVM擅长解决的问题。图像识别时可以首先应用多尺度分析获得图像的语义特征，然后再使用SVM进行分类决策。实验表明，这种有效的图像识别方法可以适应不同类别的语义识别，其识别率都比已知各种方法高。?? 　　1 基