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(yīng)用方面有著十分重要的研究價值。然而圖像成像場景復(fù)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(yīng)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(dāng)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(yīng)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(yīng)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(xué)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(yīng)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(fù)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(luò)（artificialneuralnetwork地。深度學(xué)習(xí)的目的是通過分層網(wǎng)絡(luò)獲取分層次機器學(xué)習(xí)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(xué)習(xí)，從大類上可以歸變化。在場景識別中也有許多研究學(xué)者使用深度得了許多意想不到的成果。器學(xué)習(xí)和人工神經(jīng)....

電大學(xué)碩士研究生學(xué)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