自然場景識別作為模式識別的一個重要分支,在無人車及機器人應用方面有著十分重要的研究價值。然而圖像成像場景復雜多變,單一彩色場景圖像信息不夠豐富,使得場景識別的精度難以提升。而多源圖像融合可以改善實際應用系統(tǒng)的可靠性、魯棒性,提高圖像信息的利用效率,結(jié)合不同傳感器的信息互補優(yōu)勢,可以做到更全面的描述及識別待測場景圖像與目標。隨著可見光-近紅外共平臺成像系統(tǒng)的普及,智能化自然場景識別正在成為當前的研究熱點。為此,針對典型自然場景智能觀測的需求,本研究課題提出一種將近紅外圖像和可見光圖像融合并應用在類字典稀疏場景識別框架上的方法。首先把待測場景對應的可見光圖像通過亮度圖像編碼變換到HSV空間,并將HSV空間中的亮度通道替換為近紅外圖像;之后將替換后的圖片還原到RGB空間,得到融合的彩色圖像;然后進行全局GIST特征和局部PHOG特征的提取與融合;最后結(jié)合類字典稀疏識別得到場景分類結(jié)果。實驗結(jié)果表明,在RGB-NIR數(shù)據(jù)庫上的實驗識別精度達到了74.75%,高于其它相關(guān)方法,通過數(shù)據(jù)分析可見,融合近紅外信息的場景圖像的識別精度高于未融合時的識別精度,換言之,提出的近紅外圖像融合的思路能夠使得場...

【文章頁數(shù)】：65 頁

【學位級別】：碩士

【部分圖文】：

(i)water圖1.1RGB-NIR場景數(shù)據(jù)庫部分示例如圖1.1所示，每個類別都有對應的相同數(shù)目的可見光圖像和近紅外圖像。從數(shù)據(jù)庫的圖像可以看出，有些類別的類間差異很大，而有些類別的類間差異又很小，比如county和indoor這兩種類別大家都很容易區(qū)分，但是....

常見的場景分類的類別有人造、自然、室內(nèi)、室外等，或者劃分再具體一點還能夠分為建筑物、城市、鄉(xiāng)村、街道、河流、山川等，所以由于場景本身的復雜性和多樣性使得場景識別精度一直難以得到大幅提高。如圖2.1，Bosch等把場景識別技術(shù)分成使用低層圖像特征和使用中層語義特征兩種分類方法[29....

便開始以人工神經(jīng)網(wǎng)絡（artificialneuralnetwork地。深度學習的目的是通過分層網(wǎng)絡獲取分層次機器學習算法解決特征需要人工設(shè)計的重要難題法的框架，其核心是特征學習，從大類上可以歸變化。在場景識別中也有許多研究學者使用深度得了許多意想不到的成果。器學習和人工神經(jīng)....

電大學碩士研究生學位論文第三章可見光—近紅外圖像信息進行集成，來減少單一信息在環(huán)境解釋中可能造成的多義性、不確定性和而最大限度地利用各種信息源，最終提高系統(tǒng)特征提取、分類、目標識別等方。目前大部分的圖像融合都在像素級進行，融合的過程是挨個處理圖像中存通過對多幅圖像進行的像素級....

本文編號：3989901