復(fù)雜圖像的模式識別算法研究.pdf

1、在我們的日常生活中，存在很多需要分析人流量的場合。隨著人流量評估所帶來的經(jīng)濟(jì)效益和社會效益的日趨明顯，這種手段也越來越多的應(yīng)用到現(xiàn)實生活中。傳統(tǒng)的統(tǒng)計方法主要是熱成像或者是激光阻隔的原理，這些方法均具有抗干擾能力弱、計數(shù)不準(zhǔn)確等缺點。本文研究了基于復(fù)雜圖像信息的人流量統(tǒng)計方法，利用圖像數(shù)據(jù)進(jìn)行人數(shù)統(tǒng)計，此方法的難點就在于如何在復(fù)雜背景下定位目標(biāo)。同時，由于目標(biāo)形態(tài)隨機(jī)性使得以往的傳統(tǒng)方法很容易就會混淆目標(biāo)和非目標(biāo)。本文提出的基于聚類理論

2、的目標(biāo)識別算法能夠較好地解決復(fù)雜圖像背景下的目標(biāo)識別難題，具有識別準(zhǔn)確率高、實時應(yīng)用性強的優(yōu)點。本文的工作主要體現(xiàn)在：
　　 1.基于聚類理論的圖像特征提取方法
　　 本文采用圖像邊緣作為研究對象，采用新型角度鏈碼對圖像的邊緣進(jìn)行鏈碼描述，提取它的多維統(tǒng)計特征，并設(shè)計直線聚類算法提取主要的邊緣線段。這種新的邊緣特征提取方法比傳統(tǒng)霍夫變換速度明顯提高。
　　 2.綜合人工免疫克隆選擇算法及聚類算法設(shè)計車載圖像分類器

3、
　　 本文借鑒人工免疫機(jī)理，提出了一種新的基于克隆選擇聚類算法的圖像分類器設(shè)計方法，克服了傳統(tǒng)分類方法約束條件多、容易陷入局部最優(yōu)的缺點。該方法首先應(yīng)用基于密度的空間聚類算法建立初始抗體群，減少聚類數(shù)據(jù)的冗余信息，然后結(jié)合人工免疫克隆選擇原理，描述了車載圖像的免疫特性，通過對抗體進(jìn)行克隆增殖、變異等操作，使抗體與抗原的親和度成熟，保證了抗體的多樣性，能夠快速準(zhǔn)確地得到全局最優(yōu)解。實驗結(jié)果表明，該算法識別準(zhǔn)確度達(dá)到了95％以上，