基于HDO局部特征描述的目標(biāo)識(shí)別.pdf

1、通常即便是簡(jiǎn)單的物體，用機(jī)器或計(jì)算機(jī)去進(jìn)行檢測(cè)和識(shí)別都是一件非常困難的事。目標(biāo)識(shí)別最為關(guān)鍵的是物體的表示或描述以及究竟用什么樣的特征去區(qū)別一物體和其它物體。局部不變特征技術(shù)的出現(xiàn)，為這一問(wèn)題的解決提供一條有效途徑。局部特征是對(duì)圖像局部區(qū)域進(jìn)行精細(xì)刻畫的有效手段，由于具有極強(qiáng)的分辨性、穩(wěn)定性、定位性，自局部特征提出以來(lái)，解決了計(jì)算機(jī)視覺(jué)方面的很多困難問(wèn)題。由于局部特征描述能夠提供一種具有統(tǒng)計(jì)意義的圖像內(nèi)容表述，避免了圖像處理中非常困難的語(yǔ)

2、義層次上的圖像分割，因此在圖像的認(rèn)知理解方面有出色表現(xiàn)，目前已成為目標(biāo)檢測(cè)與識(shí)別領(lǐng)域的主流技術(shù)。局部特征描述一般要求特征對(duì)尺度、亮度、旋轉(zhuǎn)和平移變換具有一定不變性。HDO局部特征是最近提出的一種具有較強(qiáng)的抗噪聲干擾和照明變化能力的局部圖像描述子，能夠較好的應(yīng)用于各種目標(biāo)檢測(cè)，但是傳統(tǒng)HDO不具備抗旋轉(zhuǎn)變換能力，因此限制了其應(yīng)用。
　　本研究主要內(nèi)容包括：⑴在經(jīng)過(guò)預(yù)處理和缺陷目標(biāo)分割后，提取缺陷目標(biāo)區(qū)域的HDO特征以及相關(guān)灰度特征、

3、幾何特征和紋理特征，并把這些特征組合在一起形成缺陷特征，設(shè)計(jì)Adaboost—BP神經(jīng)網(wǎng)絡(luò)對(duì)六類鋁板缺陷做了識(shí)別分類實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明：融合HDO特征后的方法平均分類識(shí)別率達(dá)到90.3％。優(yōu)于傳統(tǒng)的只提取幾何、灰度、紋理特征作為特征向量的分類識(shí)別率87.0%。⑵針對(duì)傳統(tǒng)的HDO局部特征不具備旋轉(zhuǎn)不變性的缺點(diǎn)，提出一種改進(jìn)的目標(biāo)魯棒識(shí)別的抗旋轉(zhuǎn)HDO局部特征描述方法。通過(guò)引入RGT變換技術(shù)，并在構(gòu)造像素點(diǎn)圓形鄰域中構(gòu)造結(jié)構(gòu)張量，保證在圖片

4、旋轉(zhuǎn)的情況下每個(gè)像素點(diǎn)的主方向和一致性保持不變，然后求取每個(gè)Block子區(qū)域的主方向直方圖，再采用環(huán)狀扇形分區(qū)的空間池化操作，使得到的局部特征有良好的鑒別能力和抗旋轉(zhuǎn)變換能力。在公開(kāi)的MIT人臉數(shù)據(jù)集中的測(cè)試結(jié)果顯示，如果圖片不旋轉(zhuǎn)，本文方法準(zhǔn)確率與傳統(tǒng)的HDO算法基本持平，達(dá)到92.10%，但當(dāng)樣本圖片旋轉(zhuǎn)后，本文算法準(zhǔn)確率比傳統(tǒng)HDO算法高10.36%。此外，在行人數(shù)據(jù)集、合成的旋轉(zhuǎn)手掌和旋轉(zhuǎn)人臉識(shí)別實(shí)驗(yàn)中，本文方法的檢測(cè)結(jié)果也明顯