基于類屬超圖的目標(biāo)識別系統(tǒng)設(shè)計與實現(xiàn).pdf

1、如何在先驗知識缺少、環(huán)境變化復(fù)雜的情況下對即時感興趣目標(biāo)進(jìn)行檢測與識別是戰(zhàn)場光學(xué)圖像識別系統(tǒng)需要解決的關(guān)鍵問題。本文以構(gòu)建在可見光條件下具有廣泛適應(yīng)性的目標(biāo)識別模型為目的，對目標(biāo)圖像的表示、目標(biāo)模型的訓(xùn)練和構(gòu)建以及目標(biāo)的跟蹤和識別進(jìn)行了研究，重點針對目標(biāo)成像變化過程中的近似連續(xù)性，研究了目標(biāo)特性知識的自我學(xué)習(xí)和自我更新、檢測與識別的一體化方法，并在著重解釋基于類屬超圖的目標(biāo)檢測、跟蹤和識別原理的基礎(chǔ)上，設(shè)計和實現(xiàn)了一種基于目標(biāo)類屬超圖模

2、型的目標(biāo)識別系統(tǒng)。論文研究成果在圖像目標(biāo)識別、圖像檢索等諸多領(lǐng)域具有廣泛的應(yīng)用前景。
　　本文所做的主要工作包括:
　　首先針對即時感興趣目標(biāo)在復(fù)雜環(huán)境下各種不同的成像狀態(tài)，強調(diào)了識別任務(wù)的艱巨性。本文引入并依靠SIFT特征對于仿射、部分光照變化的適應(yīng)性，提出了對于目標(biāo)特性知識具有無監(jiān)督學(xué)習(xí)特性的CSHG模型，從目標(biāo)特性描述和目標(biāo)模板更新兩方面著手，利用Haar-Adaboost特定目標(biāo)的檢測方法提取的目標(biāo)圖像作為識別系統(tǒng)的

3、輸入實現(xiàn)了特定目標(biāo)在環(huán)境變化過程中的穩(wěn)定識別，驗證了CSHG目標(biāo)模型對于復(fù)雜成像環(huán)境的適應(yīng)性。
　　然而，即時感興趣目標(biāo)的選擇往往具有不確定性，而Haar-Adaboost目標(biāo)檢測方法是一種基于樣本統(tǒng)計的目標(biāo)檢測方法，在實現(xiàn)穩(wěn)定目標(biāo)檢測方法之前需要準(zhǔn)備大量的目標(biāo)樣本和非目標(biāo)樣本，這對于即時感性目標(biāo)的檢出是不利的。本文利用RSOM的快速匹配特性和CSHG目標(biāo)模型的自我學(xué)習(xí)特性，提出了基于CSHG一體化的目標(biāo)檢測、跟蹤與識別方法，從零