基于隐Markov模型的图像方位识别.pdfVIP

第27 卷第3 期 东 北 大 学 学 报 ( 自 然 科 学 版 ) Vol 27 ,No. 3 2 0 0 6 年 3 月 Journal of Northeastern University (Natural Science) Mar. 2 0 0 6 文章编号 : (2006) 基于隐Markov 模型的图像方位识别 于 　涛 , 韩清凯 , 孙 　伟 , 闻邦椿 ( 东北大学 机械工程与自动化学院 , 辽宁 沈阳　110004) ( ) 摘 　　　要 : 提出一种基于隐 Markov 模型 Hidden Markov Model , HMM 的图像方位识别方法 · 将待识别的目标图像进行分割 ,对子图像进行奇异值分解 ,提取奇异值向量形成观测序列 ,即图像 奇异值向量作为 HMM 的观测向量 确定 HMM 参数并计算其最大似然概率 ,按待识别图像最大 · 似然概率对应所属的聚类进行识别 实验结果表明 ,3 类共 150 幅目标图像的识别率达到了 85 % · · ( ) 关 　键 　词 : 图像方位识别 ;奇异值向量 ;隐 Markov 模型 HMM ;聚类分析 中图分类号 : TP 391 　　　文献标识码 : A 目标方位检测和障碍物检测是视觉导航中的 验证了本文方法的识别效率及可行性 · 重要内容 目标方位检测过程中图像信息能否得到 · 1 　基本原理与方法 正确、实时的处理直接关系到移动体的行驶速度 、 路径跟踪以及对障碍物的避碰等 ,对移动体控制的 1. 1 　图像奇异值特征分析 ( 实时性和鲁棒性也具有决定性的作用 图像方位识 对图像矩阵进行奇异值分解 Singular Value · 别是指移动体根据图像信息辨别移动方向的过程 · Decomposition ,SVD) ,获得图像的奇异值向量 ,奇 现有图像方位识别的视觉处理技术很难区分被探 异值向量用作进行图像分类识别的基本参数 · 测的目标与背景 为了将障碍与背景分开 ,需要对 对于一幅灰度 图像 , 若 图像 的数据矩阵为 · 图像进行分析及理解 ,一般情况下计算量较大 ,导 A , A ∈Rm ×n , 对矩阵 A 进行奇异值分解 : T [1 ] Σ ( ) 致识别与控制系统的实时性较差 而对于图像构 A = U V · 1 · 成要素具有不同表象且存在关联的情况 ,则更需要