基于形狀與語義建模的物體識別.pdf

1、本文從形狀建模角度出發(fā)，研究在形狀空間上使用語法模型，對通用物體分類識別的能力。其中采用了基于與或圖的隨機圖像語法模型，以此指導對形狀物體的理解、分解、學習、采樣。
　　 針對形狀的匹配計算，本文提出一種分層的圖形匹配算法，通過在子圖分割與匹配的同時迭代采樣，來兼顧匹配速度與準確性，并具有較好的抗背景干擾能力?？捎糜谧皂斚蛳碌奈矬w識別匹配驗證。
　　 針對物體局部的結構性信息，顯式定義了圖形基元結構，提出了圖形基元的檢測

2、模型與算法，根據(jù)稀疏編碼原理，學習出14種單一基元與20種復合基元作為編碼字典，用于自底向上的判別式分類。
　　 基于與或圖模型，本文提出了一個同時結合自底向上與自頂向下兩個計算方向的級聯(lián)式判別分類計算框架。首先，通過學習與或圖，針對各物體類別的形狀模板，在SCFG/MRF 約束下進行重采樣，獲得手工收集的數(shù)據(jù)中不曾出現(xiàn)的具有新外形的產生式樣本，從而更均勻、更好地反映本類物體流形；
　　 其次，利用產生式模板構成的訓練集

3、，學習出各類物體在34種圖形基元構成的編碼字典上的分布；第三，以圖形基元的分布為基礎，級聯(lián)多步自底向上判別式分類方法，每一步保持較低的棄真率的同時，盡量把錯誤的候選集排除掉，實現(xiàn)對大量候選集的快速篩選；最后，對剩余的少量候選集采用圖匹配計算驗證，獲取最終識別結果。實驗表明，這種方式能夠在識別的速度與準確性上同時取得好的效果本文最后介紹了基于與或圖模型與相應數(shù)據(jù)集構建的、能夠存儲、表達復雜視覺知識模型的數(shù)據(jù)庫，第一次在圖像數(shù)據(jù)庫中完整表達