基于雙目視覺(jué)的自然場(chǎng)景感知.pdf

1、自然場(chǎng)景感知是讓計(jì)算機(jī)視覺(jué)系統(tǒng)擁有和人類(lèi)類(lèi)似的場(chǎng)景感知能力，得到符合人類(lèi)習(xí)慣的場(chǎng)景語(yǔ)義描述?？焖俸途珳?zhǔn)的自然場(chǎng)景感知功能是智能圖像分析系統(tǒng)必不可少的，它能夠縮小目標(biāo)搜索的范圍，排除上下文語(yǔ)義解釋不一致的目標(biāo)。隨著擁有視覺(jué)的智能系統(tǒng)對(duì)圖像處理智能化要求的日益提高，自然場(chǎng)景感知已成為機(jī)器視覺(jué)領(lǐng)域里的研究熱點(diǎn)。
　　針對(duì)使用gist特征分類(lèi)場(chǎng)景正確率不是很理想以及計(jì)算量大的問(wèn)題，提出了使用改進(jìn)的局部特征描述場(chǎng)景內(nèi)容的局部語(yǔ)義概念模型BO

2、HOG2和語(yǔ)義屬性模型 HOG+3gist。BOHOG2模型是將 HOG與三尺度 gist特征結(jié)合作為改進(jìn)的圖像局部特征描述，對(duì)訓(xùn)練集中圖像的局部特征進(jìn)行聚類(lèi)，得到用來(lái)量化局部特征的視覺(jué)詞匯，最后用視覺(jué)詞匯在圖像中的分布情況作為場(chǎng)景內(nèi)容的描述。HOG+3gist模型直接使用改進(jìn)的局部特征作為圖像的局部語(yǔ)義屬性描述。在兩個(gè)自然場(chǎng)景圖像數(shù)據(jù)庫(kù)上，用支撐向量機(jī)對(duì)兩種模型的特征進(jìn)行學(xué)習(xí)、分類(lèi)，實(shí)驗(yàn)結(jié)果表明兩種模型的分類(lèi)正確率均比原始的 gist

3、特征好。對(duì)比 HOG+3gist與原始 gist特征提取所使用的時(shí)間，表明提出的方法能加快特征的提取速度。
　　針對(duì)常用的幾種場(chǎng)景感知方法，對(duì)大多數(shù)室內(nèi)場(chǎng)景的分類(lèi)正確率不是很理想的情況，提出了基于雙目立體視覺(jué)的室內(nèi)場(chǎng)景感知方法。將雙目立體視覺(jué)得到室內(nèi)場(chǎng)景視差圖，模型化為一系列的平面，在指定的不同區(qū)域里擬合出相應(yīng)數(shù)量的平面，將歸一化的平面法向和尺寸參數(shù)與 HOG+3gist特征結(jié)合作為場(chǎng)景的特征描述，使用支撐向量機(jī)對(duì)構(gòu)建的室內(nèi)雙目立