基于LSSVM目标识别的研究-电路与系统专业论文.docxVIP

摘要 自主移动机器人是当前机器人研究的一个热点，机器人感知外界环境的重要 的手段之～是机器人的视觉系统。机器人视觉主要是对获得的目标图像进行分类 识别，图像识别是模式识别的一个方面。在模式识别领域中，支撑矢量机作为一 种新的理论已经吸引了很多的学者进行研究，在模式分类应用中取得了巨大的成 功。支撑矢量机在模式识别时主要是进行样本间的点积运算，因此对于高维样本 的处理非常有效，这就为我们用基于表象的方法完成目标图像识别提供了方便。 基于表象(aspect．based)的图像识别方法是把待识别图像的每一个象素点作为 训练样本的一维，因此这种方法中样本的维数是相当高的。传统的支撑矢量机在 训练时要进行凸二次规划，因此对高维样本训练时就要求很大的存储空间而且消 耗很长的运算时间，因此我们结合改进的支撑矢量机版本——最小二乘支撑矢量 机——来进??基于表象的目标图像识别。最小二乘支撑矢量机(1)以等式约束代 替不等式约束，计算简单，效率高； (2)所需的存储空间明显小于计算标准支撑 矢量机时所需的存储空间，因此用最小二乘支撑矢量机来完成基于表象的目标图 像识别是十分有效和合适的。 实验结果表明我们的方法有非常好的识别率，在各种扰动(各种噪声、移位、 两者的结合或者遮盖图像的一部分)的干扰下，只要扰动不大，正确识别率非常 高，而且相对于传统的方法，训练时要求的存储空间明显减少，同时运算效率有