生物啟發(fā)式圖像分類算法研究.pdf

1、在視覺研究領(lǐng)域，目標(biāo)識(shí)別是一個(gè)很熱門的研究課題，同時(shí)也是很有挑戰(zhàn)的任務(wù)。然而人類大腦視覺皮層的獨(dú)特信息處理機(jī)制，使其具備快速準(zhǔn)確高效的目標(biāo)識(shí)別能力。在過去的數(shù)十年中，很多視覺算法的提出，改善了目標(biāo)識(shí)別的性能，但是現(xiàn)在的任何一種算法都未能超越人類大腦。因此，構(gòu)建能夠模擬人類大腦視覺皮層的目標(biāo)識(shí)別機(jī)制，或者盡可能與人類視覺相匹敵的人工系統(tǒng)，一直都是具有吸引力但也很困難的目標(biāo)。設(shè)計(jì)與構(gòu)建魯棒的目標(biāo)識(shí)別算法，將會(huì)有益于諸多領(lǐng)域與應(yīng)用，比如安全監(jiān)

2、控，機(jī)器人導(dǎo)航，醫(yī)學(xué)圖像理解等。
　　本文主要圍繞目標(biāo)識(shí)別與圖像分類算法展開研究。本文既借鑒神經(jīng)生物學(xué)與認(rèn)知生理學(xué)目前的研究成果，又考慮人類大腦的生物學(xué)習(xí)機(jī)制，結(jié)合HMAX(Hierarchical Model and X)模型與極限學(xué)習(xí)機(jī)，設(shè)計(jì)與構(gòu)建新穎的生物啟發(fā)式圖像分類算法網(wǎng)絡(luò)。本文的主要研究內(nèi)容包括:
　　第一，傳統(tǒng)視覺與生物視覺中的目標(biāo)識(shí)別問題的研究，以及目標(biāo)識(shí)別與圖像分類問題的數(shù)學(xué)描述與解決方案。目標(biāo)識(shí)別分為兩種

3、情況，鑒別與分類。從生理學(xué)和計(jì)算方面同時(shí)考慮目標(biāo)識(shí)別問題的解決方案與策略，并且指出解決目標(biāo)識(shí)別問題的兩個(gè)重要階段:構(gòu)造包含足夠多的有效信息的目標(biāo)圖像特征，與選擇恰當(dāng)?shù)姆诸惼鲗?duì)目標(biāo)圖像特征進(jìn)行分類。這為目標(biāo)識(shí)別與圖像分類算法的設(shè)計(jì)提供總體理論支撐。
　　第二，生物啟發(fā)式圖像分類算法網(wǎng)絡(luò)的設(shè)計(jì)與實(shí)現(xiàn)。本文設(shè)計(jì)的生物啟發(fā)式圖像分類算法網(wǎng)絡(luò)包括五個(gè)層級(jí)，分別是S1層、C1層、S2層、C2層與H層，即S1-C1-S2-C2-H。其前四個(gè)層級(jí)

4、主要注重設(shè)計(jì)與構(gòu)建特征結(jié)構(gòu)描述，基于靈長類動(dòng)物的視覺皮層生理學(xué)數(shù)據(jù)構(gòu)造圖像特征數(shù)據(jù)向量。網(wǎng)絡(luò)的H層主要關(guān)注人類大腦的生物學(xué)習(xí)機(jī)制，通過極限學(xué)習(xí)機(jī)分類器來實(shí)現(xiàn)，對(duì)圖像特征數(shù)據(jù)向量進(jìn)行分類。同時(shí)，本文嘗試將生物啟發(fā)式特征構(gòu)建機(jī)制與學(xué)習(xí)機(jī)制融合來構(gòu)建新算法，為深入研究目標(biāo)識(shí)別引入新思路與新視角。
　　第三，生物啟發(fā)式圖像分類算法網(wǎng)絡(luò)的實(shí)驗(yàn)結(jié)果與分析。本文選取三個(gè)圖像數(shù)據(jù)集，設(shè)計(jì)了四個(gè)組別的圖像分類實(shí)驗(yàn)，分別是識(shí)別準(zhǔn)確率驗(yàn)證，參數(shù)敏感性分