隨著傳感技術(shù)的發(fā)展和人類(lèi)社會(huì)生活的需要,視覺(jué)傳感設(shè)備在自動(dòng)化生產(chǎn)、交通監(jiān)控、安全防護(hù)等眾多領(lǐng)域得到了廣泛的應(yīng)用。但由于人力資源的局限性,視覺(jué)傳感設(shè)備產(chǎn)生的大量影像數(shù)據(jù)無(wú)法得到及時(shí)、快速、準(zhǔn)確的解析處理,從而嚴(yán)重制約了其在實(shí)際場(chǎng)景中的利用水平。因此,如何從視覺(jué)傳感器得到的影像數(shù)據(jù)出發(fā),自動(dòng)對(duì)數(shù)據(jù)包含的場(chǎng)景內(nèi)容進(jìn)行有效解析是計(jì)算機(jī)視覺(jué)領(lǐng)域的熱點(diǎn)問(wèn)題�；谝曈X(jué)影像數(shù)據(jù)的場(chǎng)景內(nèi)容解析是對(duì)視覺(jué)傳感設(shè)備獲取的圖片或者視頻序列,通過(guò)機(jī)器學(xué)習(xí)、模式識(shí)別等方法對(duì)場(chǎng)景中的語(yǔ)義目標(biāo),如道路、行人、車(chē)輛等的位置和區(qū)域進(jìn)行判別。該研究?jī)?nèi)容的相關(guān)理論和方法在學(xué)術(shù)研究和工業(yè)應(yīng)用上均具有重要價(jià)值。在學(xué)術(shù)領(lǐng)域,場(chǎng)景內(nèi)容解析可以為底層感知理論提供任務(wù)導(dǎo)向指導(dǎo),同時(shí)也可以為高層任務(wù),如行為分析、事件檢測(cè)等提供豐富的場(chǎng)景語(yǔ)義信息。在工業(yè)領(lǐng)域,場(chǎng)景內(nèi)容解析可以為汽車(chē)輔助駕駛、交通監(jiān)控分析等任務(wù)提供算法支撐。近年來(lái),隨著機(jī)器學(xué)習(xí)和計(jì)算機(jī)相關(guān)技術(shù)的發(fā)展,場(chǎng)景內(nèi)容解析取得了較好的發(fā)展,但仍然存在如下問(wèn)題:1)視覺(jué)影像數(shù)據(jù)的高效表征問(wèn)題;2)語(yǔ)義對(duì)象關(guān)系的準(zhǔn)確建模問(wèn)題;3)場(chǎng)景內(nèi)容解析的魯棒決策問(wèn)題。針對(duì)上述存在的問(wèn)題,本文從四個(gè)方面... 

【文章來(lái)源】：中國(guó)科學(xué)院大學(xué)(中國(guó)科學(xué)院西安光學(xué)精密機(jī)械研究所)陜西省

【文章頁(yè)數(shù)】：128 頁(yè)

【學(xué)位級(jí)別】：博士

【文章目錄】：
摘要
abstract
第1章 緒論
    1.1 研究背景與意義
    1.2 研究?jī)?nèi)容與目標(biāo)
        1.2.1 研究?jī)?nèi)容
        1.2.2 研究目標(biāo)
    1.3 研究方法與創(chuàng)新
        1.3.1 研究方法
        1.3.2 創(chuàng)新之處
    1.4 論文的組織結(jié)構(gòu)
第2章 基于視覺(jué)影像數(shù)據(jù)的場(chǎng)景內(nèi)容解析算法綜述
    2.1 局部場(chǎng)景內(nèi)容解析的相關(guān)方法
        2.1.1 基于手工特征的局部場(chǎng)景內(nèi)容解析
        2.1.2 基于模型假設(shè)的局部場(chǎng)景內(nèi)容解析
        2.1.3 基于學(xué)習(xí)的局部場(chǎng)景內(nèi)容解析
    2.2 全局場(chǎng)景內(nèi)容解析的相關(guān)方法
        2.2.1 基于傳統(tǒng)方法的全局場(chǎng)景內(nèi)容解析
        2.2.2 基于深度學(xué)習(xí)的全局場(chǎng)景內(nèi)容解析
    2.3 場(chǎng)景內(nèi)容解析研究趨勢(shì)
    2.4 國(guó)內(nèi)外相關(guān)著名研究組
    2.5 本章小結(jié)
第3章 基于在線邊緣結(jié)構(gòu)學(xué)習(xí)的局部場(chǎng)景內(nèi)容解析
    3.1 引言
        3.1.1 方法概述
        3.1.2 方法特色
    3.2 多層級(jí)概率分析下的道路檢測(cè)
        3.2.1 道路邊緣特征建模
        3.2.2 在線結(jié)構(gòu)SVM
        3.2.3 道路邊界擬合
        3.2.4 在線分類(lèi)器更新
    3.3 實(shí)驗(yàn)結(jié)果分析與討論
        3.3.1 實(shí)驗(yàn)數(shù)據(jù)
        3.3.2 實(shí)驗(yàn)設(shè)置
        3.3.3 參數(shù)選擇
        3.3.4 實(shí)驗(yàn)分析
        3.3.5 實(shí)驗(yàn)討論
    3.4 本章小結(jié)
第4章 基于區(qū)域多層級(jí)概率分析的局部場(chǎng)景內(nèi)容解析
    4.1 引言
        4.1.1 方法概述
        4.1.2 方法特色
    4.2 多層級(jí)概率分析下的道路檢測(cè)
        4.2.1 道路區(qū)域粗提取
        4.2.2 先驗(yàn)信息估計(jì)
        4.2.3 觀測(cè)似然計(jì)算
    4.3 實(shí)驗(yàn)結(jié)果分析與討論
        4.3.1 實(shí)驗(yàn)數(shù)據(jù)
        4.3.2 實(shí)驗(yàn)設(shè)置
        4.3.3 實(shí)驗(yàn)分析
    4.4 本章小結(jié)
第5章 基于上下文分析和困難樣本增強(qiáng)的全局場(chǎng)景內(nèi)容解析
    5.1 引言
        5.1.1 方法概述
        5.1.2 方法特色
    5.2 基于層級(jí)概率圖模型的上下文建模
        5.2.1 條件隨機(jī)場(chǎng)
        5.2.2 層級(jí)上下文建模
        5.2.3 上下文結(jié)構(gòu)決策
    5.3 基于樣本損失增強(qiáng)策略的小樣本學(xué)習(xí)
        5.3.1 小樣本定義
        5.3.2 樣本損失增強(qiáng)
        5.3.3 權(quán)重計(jì)算
    5.4 實(shí)驗(yàn)結(jié)果分析與討論
        5.4.1 實(shí)驗(yàn)數(shù)據(jù)
        5.4.2 實(shí)驗(yàn)評(píng)價(jià)
        5.4.3 參數(shù)設(shè)置
        5.4.4 實(shí)驗(yàn)分析
    5.5 本章小結(jié)
第6章 基于輪廓和自適應(yīng)網(wǎng)絡(luò)結(jié)構(gòu)的全局場(chǎng)景內(nèi)容解析
    6.1 引言
        6.1.1 方法概述
        6.1.2 方法特色
    6.2 基于輪廓和自適應(yīng)網(wǎng)絡(luò)結(jié)構(gòu)的場(chǎng)景解析
        6.2.1 基本模型
        6.2.2 自適應(yīng)深度的卷積神經(jīng)網(wǎng)絡(luò)
        6.2.3 基于輪廓的卷積神經(jīng)網(wǎng)絡(luò)
        6.2.4 全局推理
    6.3 實(shí)驗(yàn)結(jié)果分析與討論
        6.3.1 實(shí)驗(yàn)數(shù)據(jù)及評(píng)價(jià)
        6.3.2 實(shí)驗(yàn)設(shè)置
        6.3.3 實(shí)驗(yàn)分析
    6.4 本章小結(jié)
第7章 總結(jié)與展望
    7.1 總結(jié)
    7.2 展望
參考文獻(xiàn)
致謝
作者簡(jiǎn)歷及攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文與研究成果


【參考文獻(xiàn)】：
期刊論文
[1]基于概率圖模型的圖像整體場(chǎng)景理解綜述[J]. 李林,練金,吳躍,葉茂.  計(jì)算機(jī)應(yīng)用. 2014(10)
[2]智能交通與智慧城市[J]. 張輪,楊文臣,張孟.  科學(xué). 2014(01)
[3]基于視覺(jué)的道路圖像識(shí)別技術(shù)研究[J]. 王西庚.  軟件導(dǎo)刊. 2013(08)
[4]基于條件隨機(jī)場(chǎng)的圖像語(yǔ)義分割[J]. 張春芳.  計(jì)算機(jī)光盤(pán)軟件與應(yīng)用. 2012(09)

碩士論文
[1]基于高階CRFs和稀疏字典學(xué)習(xí)的場(chǎng)景語(yǔ)義解析[D]. 徐高幫.南京郵電大學(xué) 2016
[2]基于車(chē)載圖像處理的道路檢測(cè)技術(shù)研究[D]. 肖晶.湖南大學(xué) 2016
[3]基于概率圖模型的圖像語(yǔ)義分割技術(shù)研究[D]. 張曉雪.廈門(mén)大學(xué) 2014
[4]卷積神經(jīng)網(wǎng)絡(luò)在圖像識(shí)別上的應(yīng)用的研究[D]. 許可.浙江大學(xué) 2012
[5]基于全方位視覺(jué)的目標(biāo)檢測(cè)與跟蹤研究[D]. 王凱.杭州電子科技大學(xué) 2011
[6]基于視覺(jué)的道路區(qū)域和車(chē)道線識(shí)別技術(shù)在智能車(chē)輛導(dǎo)航中的應(yīng)用研究[D]. 王文杰.山東大學(xué) 2009



本文編號(hào)：3536801