圖像理解的關鍵問題和方法研究.pdf

1、圖像理解是當前計算機研究領域的熱點和難點,其根本任務就是讓計算機正確解釋所感知的圖像場景以及場景中的內(nèi)容,圖像理解與計算機視覺、與人工智能有著密切的聯(lián)系,具有重要的理論研究意義和廣闊的應用前景. 圖像理解具有鮮明的層次性,作為圖像理解的低層數(shù)據(jù)的是視覺信息,理論出發(fā)點是計算機視覺,作為圖像理解的高層數(shù)據(jù)是知識信息,理論依據(jù)出發(fā)點是人工智能.圖像理解中視覺數(shù)據(jù)和人類知識兩種類型的信息流貫穿圖像理解的整個過程,但是目前對這兩種類型的

2、數(shù)據(jù)和信息流的研究基本上是割裂的,忽略了知識和數(shù)據(jù)之間的融合,忽略了低層處理和高層分析的聯(lián)系. 本文從數(shù)據(jù)驅(qū)動知識、知識指導數(shù)據(jù)這一圖像理解的核心問題出發(fā),從視覺信息分析處理與知識信息分析處理的結合部入手,著重研究圖像理解信息流中數(shù)據(jù)和知識的表示、存儲、分析和轉換,研究合適的視覺信息處理載體和知識信息處理方法,實現(xiàn)廣義目標檢測識別、區(qū)域語義理解以及場景分析等圖像理解的主要任務,形成新穎的圖像理解方法;同時,研究圖像理解的結構特性

3、,構建新型的目標空問關系模型和整體場景的分析模型,建立模型之間的約束反饋機制,體現(xiàn)理解的反饋和漸進性,指導先驗信息的獲取,并作用于低層的視覺數(shù)據(jù)處理分析,提高理解的速度和準確性,初步形成新型、完整、有效、快速的圖像理解原型. 本文的主要工作如下: 1、研究了圖像理解中數(shù)據(jù)和信息表示的融合,概述了圖像理解中常見的信息表示方法,側重描述新的"知識"和"數(shù)據(jù)"兩種信息的融合和轉換手段,體現(xiàn)圖像理解中實體的認知關系:研究了圖像理

4、解中視覺信息的提取問題,總結了圖像理解視覺特征的提取策略,建立了視覺像素的統(tǒng)計概率模型,在模型基礎上提出了一種新的目標定位方法,對背景具有一定的抗背景干擾能力,并形成了對特征提取方法的有益補充. 2、研究了圖像理解中視覺信息的存儲與分析,針對圖像理解中的圖結構模型載體分析問題,總結了圖模型中經(jīng)典的參數(shù)估計和概率推理方法以及在視覺分析中的應用,提出了一種基于目標空間關系的無向圖結構模型,討論了新模型中的參數(shù)學習問題,推導出迭代公式

5、,進行場景目標分析,形成對圖像理解認知載體的豐富和完善. 3、研究了圖像理解中視覺信息的概念認知劃分,針對廣義目標檢測識別方法問題,提出了基于共享特征的層次Boosting目標檢測識別方法,可同時進行多類目標檢測和識別,在檢測率近似保持不變的情況下,提高了目標的識別率,縮短了分類的搜索時間,體現(xiàn)了圖像理解的漸進性,形成了視覺信息向知識信息的轉換. 4、研究了圖像理解中的知識處理和分析,針對圖像理解中的區(qū)域分析和語義標記問

6、題,提出了基于粗糙集合的區(qū)域分割方法和知識庫約簡方法,對場景中視覺屬性較為一致的區(qū)域具有較好的分割效果,同時在保持概念分類能力不變的情況下形成了知識的有效約簡,一定程度上避免的噪聲數(shù)據(jù)的干擾,提高了語義標記和區(qū)域分析的合理性,實現(xiàn)了數(shù)據(jù)和知識的融合. 5、初步研究了場景分類的基本方法,提出的高斯概率統(tǒng)計模型對場景分類具有一定的有效性,同時,驗證了場景分類信息對目標分析的指導和約束作用,提高了目標分析的準確度,體現(xiàn)了圖像理解中反饋