本文關(guān)鍵詞：生物啟發(fā)式圖像分類(lèi)算法研究

  更多相關(guān)文章： 目標(biāo)識(shí)別 圖像分類(lèi) 生物啟發(fā) HMAX模型 極限學(xué)習(xí)機(jī)

【摘要】：在視覺(jué)研究領(lǐng)域,目標(biāo)識(shí)別是一個(gè)很熱門(mén)的研究課題,同時(shí)也是很有挑戰(zhàn)的任務(wù)。然而人類(lèi)大腦視覺(jué)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(guò)去的數(shù)十年中,很多視覺(jué)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(lèi)大腦。因此,構(gòu)建能夠模擬人類(lèi)大腦視覺(jué)皮層的目標(biāo)識(shí)別機(jī)制,或者盡可能與人類(lèi)視覺(jué)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)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(lèi)算法展開(kāi)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(lèi)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)建新穎的生物記發(fā)式圖像分類(lèi)算法網(wǎng)絡(luò)。本文的主要研究?jī)?nèi)容包括：第一,傳統(tǒng)視覺(jué)與生物視覺(jué)中的目標(biāo)識(shí)別問(wèn)題的研究,以及目標(biāo)識(shí)別與圖像分類(lèi)問(wèn)題的數(shù)學(xué)描述與解決方案。目標(biāo)識(shí)別分為兩種情況,鑒別與分類(lèi)。從生理學(xué)和計(jì)算方面同時(shí)考慮目標(biāo)識(shí)別問(wèn)題的解決方案與策略,并且指出解決目標(biāo)識(shí)別問(wèn)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?lèi)器對(duì)目標(biāo)圖像特征進(jìn)行分類(lèi)。這為目標(biāo)識(shí)別與圖像分類(lèi)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(lèi)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(lèi)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)主要注重設(shè)計(jì)與構(gòu)建特征結(jié)構(gòu)描述,基于靈長(zhǎng)類(lèi)動(dòng)物的視覺(jué)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(lèi)大腦的生物學(xué)習(xí)機(jī)制,通過(guò)極限學(xué)習(xí)機(jī)分類(lèi)器來(lái)實(shí)現(xiàn),對(duì)圖像特征數(shù)據(jù)向量進(jìn)行分類(lèi)。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(lái)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(lèi)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(lèi)實(shí)驗(yàn),分別是識(shí)別準(zhǔn)確率驗(yàn)證,參數(shù)敏感性分析,混淆矩陣計(jì)算,以及隱藏結(jié)點(diǎn)比較。通過(guò)實(shí)驗(yàn)驗(yàn)證與分析,本文提出的圖像分類(lèi)算法網(wǎng)絡(luò),具有較好的識(shí)別準(zhǔn)確率性能以及快速的學(xué)習(xí)速度,同時(shí)也具有潛在的工程應(yīng)用前景�？偠灾�,本文提出的生物啟發(fā)式圖像分類(lèi)算法網(wǎng)絡(luò),在模仿人類(lèi)大腦的識(shí)別與學(xué)習(xí)能力的算法研究上向前邁進(jìn)了一小步。本文的研究工作在嘗試搭建計(jì)算機(jī)視覺(jué)與神經(jīng)科學(xué)之間溝通的橋梁。
【關(guān)鍵詞】：目標(biāo)識(shí)別 圖像分類(lèi) 生物啟發(fā) HMAX模型 極限學(xué)習(xí)機(jī)
【學(xué)位授予單位】：浙江大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類(lèi)號(hào)】：TP391.41
【目錄】：

• 致謝5-7
• 摘要7-9
• ABSTRACT9-13
• 第一章 緒論13-23
• 1.1 研究背景與選題意義13-14
• 1.2 相關(guān)研究現(xiàn)狀與進(jìn)展14-18
• 1.2.1 傳統(tǒng)視覺(jué)中的目標(biāo)識(shí)別15-17
• 1.2.2 生物視覺(jué)中的目標(biāo)識(shí)別17-18
• 1.3 目標(biāo)識(shí)別與圖像分類(lèi)的難點(diǎn)18-19
• 1.4 本文研究?jī)?nèi)容與創(chuàng)新點(diǎn)19-21
• 1.4.1 主要研究?jī)?nèi)容20
• 1.4.2 創(chuàng)新點(diǎn)與貢獻(xiàn)20-21
• 1.5 本文章節(jié)安排21-23
• 第二章 目標(biāo)識(shí)別與圖像分類(lèi)問(wèn)題23-35
• 2.1 目標(biāo)識(shí)別的定義23-24
• 2.1.1 認(rèn)知生理學(xué)定義23-24
• 2.1.2 計(jì)算機(jī)科學(xué)定義24
• 2.2 目標(biāo)識(shí)別的生理學(xué)基礎(chǔ)24-29
• 2.2.1 視覺(jué)傳導(dǎo)神經(jīng)通路24-26
• 2.2.2 視覺(jué)皮層層次通路26-28
• 2.2.3 目標(biāo)識(shí)別相關(guān)的腹側(cè)通路28-29
• 2.3 目標(biāo)識(shí)別問(wèn)題的數(shù)學(xué)描述29-32
• 2.4 目標(biāo)識(shí)別問(wèn)題的解決方案32-34
• 2.5 本章小結(jié)34-35
• 第三章 極限學(xué)習(xí)機(jī)及其應(yīng)用35-51
• 3.1 單隱層前饋神經(jīng)網(wǎng)絡(luò)35-40
• 3.1.1 機(jī)器學(xué)習(xí)簡(jiǎn)介35
• 3.1.2 人工神經(jīng)網(wǎng)絡(luò)35-37
• 3.1.3 單隱層前饋神經(jīng)網(wǎng)絡(luò)模型37-40
• 3.2 極限學(xué)習(xí)機(jī)算法40-45
• 3.2.1 極限學(xué)習(xí)機(jī)算法原理40-42
• 3.2.2 算法步驟與算法特點(diǎn)42-43
• 3.2.3 極限學(xué)習(xí)機(jī)的特征映射43-45
• 3.3 極限學(xué)習(xí)機(jī)與支持向量機(jī)對(duì)比45-48
• 3.4 基于極限學(xué)習(xí)機(jī)的分類(lèi)問(wèn)題48-50
• 3.4.1 訓(xùn)練樣本數(shù)量較小的情況48-49
• 3.4.2 訓(xùn)練樣本數(shù)量較大的情況49-50
• 3.5 本章小結(jié)50-51
• 第四章 生物啟發(fā)式圖像分類(lèi)算法設(shè)計(jì)51-63
• 4.1 生物啟發(fā)式圖像分類(lèi)算法設(shè)計(jì)思想51-53
• 4.2 生物啟發(fā)式圖像分類(lèi)算法網(wǎng)絡(luò)計(jì)算實(shí)現(xiàn)53-59
• 4.3 生物啟發(fā)式圖像分類(lèi)算法網(wǎng)絡(luò)流程步驟59-60
• 4.4 生物啟發(fā)式圖像分類(lèi)算法網(wǎng)絡(luò)特點(diǎn)分析60-62
• 4.5 本章小結(jié)62-63
• 第五章 生物啟發(fā)式圖像分類(lèi)算法實(shí)驗(yàn)與分析63-81
• 5.1 實(shí)驗(yàn)數(shù)據(jù)庫(kù)與實(shí)驗(yàn)環(huán)境63-65
• 5.1.1 圖像數(shù)據(jù)集63-64
• 5.1.2 實(shí)驗(yàn)仿真環(huán)境64-65
• 5.2 實(shí)驗(yàn)設(shè)置與評(píng)價(jià)指標(biāo)65-67
• 5.2.1 模型參數(shù)設(shè)置65
• 5.2.2 實(shí)驗(yàn)參數(shù)設(shè)置65-66
• 5.2.3 實(shí)驗(yàn)測(cè)試指標(biāo)66-67
• 5.3 實(shí)驗(yàn)設(shè)計(jì)與結(jié)果67-78
• 5.3.1 識(shí)別準(zhǔn)確率驗(yàn)證68-70
• 5.3.2 參數(shù)敏感性分析70-72
• 5.3.3 混淆矩陣計(jì)算72-75
• 5.3.4 隱藏結(jié)點(diǎn)比較75-78
• 5.4 實(shí)驗(yàn)總結(jié)與分析78-79
• 5.5 本章小結(jié)79-81
• 第六章 總結(jié)與展望81-85
• 6.1 論文總結(jié)81-83
• 6.2 研究展望83-85
• 參考文獻(xiàn)85-91
• 附錄A91-95
• A.1 HMAX模型概述91-92
• A.2 HMAX計(jì)算模型92-95
• 作者簡(jiǎn)介95
• 作者攻讀碩士期間完成的科研成果95

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 奚惠寧;任蕊;;判斷有關(guān)醫(yī)學(xué)圖像專(zhuān)利申請(qǐng)是否為非授權(quán)客體[J];電視技術(shù);2013年S2期

2 韓雙旺;崔兆順;李德錄;李芙蓉;;基于閾值的彩色目標(biāo)圖像的提取與測(cè)量[J];自動(dòng)化與儀器儀表;2010年03期

3 林靜;王薇婕;關(guān)丹丹;景軍鋒;;基于浮雕圖像的3D浮雕效果實(shí)現(xiàn)[J];微型機(jī)與應(yīng)用;2012年11期

4 李敏潔;魏仲慧;何昕;;基于FPGA的多功能圖像目標(biāo)發(fā)生器的設(shè)計(jì)與實(shí)現(xiàn)[J];微計(jì)算機(jī)信息;2005年25期

5 韓雙旺;崔兆順;鮑麗紅;李德錄;;基于目標(biāo)圖像的提取與測(cè)量[J];上海工程技術(shù)大學(xué)學(xué)報(bào);2007年04期

6 劉進(jìn);孫婧;徐正全;顧鑫;;基于目標(biāo)的圖像輕量級(jí)加密[J];華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年06期

7 于明;王倩;郭迎春;;一種圖像的顯著區(qū)域提取方法[J];光電工程;2012年08期

8 郭旭平,李在銘;圖像目標(biāo)的可視識(shí)別與智能跟蹤[J];系統(tǒng)工程與電子技術(shù);1998年08期

9 王成;張劍戈;江旭峰;章魯;;基于知識(shí)的三維核醫(yī)學(xué)圖像左心室心肌區(qū)的提取[J];中國(guó)生物醫(yī)學(xué)工程學(xué)報(bào);2007年01期

10 衛(wèi)穎奇;彭進(jìn)業(yè);張漢寧;;個(gè)性化圖像推薦及可視化研究[J];計(jì)算機(jī)工程;2011年02期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前5條

1 張林怡;王運(yùn)鋒;王建國(guó);;分維數(shù)在SAR圖像海岸線(xiàn)檢測(cè)中的應(yīng)用研究[A];第十屆全國(guó)信號(hào)處理學(xué)術(shù)年會(huì)（CCSP-2001）論文集[C];2001年

2 李吉成;魯新平;楊衛(wèi)平;張志龍;高穎慧;沈振康;;圖像目標(biāo)的自動(dòng)識(shí)別和快速篩選技術(shù)[A];2006年全國(guó)光電技術(shù)學(xué)術(shù)交流會(huì)會(huì)議文集（D 光電信息處理技術(shù)專(zhuān)題）[C];2006年

3 佘二永;;SAR圖像目標(biāo)解譯技術(shù)分析[A];第九屆全國(guó)信息獲取與處理學(xué)術(shù)會(huì)議論文集Ⅰ[C];2011年

4 趙朝杰;朱虹;黎璐;董敏;袁承興;;基于內(nèi)容感知的圖像非等比例縮放[A];第十四屆全國(guó)圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2008年

5 奚惠寧;;淺談?dòng)嘘P(guān)醫(yī)學(xué)圖像的專(zhuān)利申請(qǐng)如何判斷是否是非授權(quán)客體[A];2013年中華全國(guó)專(zhuān)利代理人協(xié)會(huì)年會(huì)暨第四屆知識(shí)產(chǎn)權(quán)論壇論文匯編第二部分[C];2013年

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 鄧劍勛;多示例圖像檢索算法研究及在人臉識(shí)別中的應(yīng)用[D];重慶大學(xué);2012年

2 王亮申;圖像特征提取及基于內(nèi)容圖像數(shù)據(jù)庫(kù)檢索理論和方法研究[D];大連理工大學(xué);2002年

3 魏波;點(diǎn)時(shí)空約束圖像目標(biāo)跟蹤理論與實(shí)時(shí)實(shí)現(xiàn)技術(shù)研究[D];電子科技大學(xué);2000年

4 劉俊;基于鉬靶圖像的計(jì)算機(jī)輔助乳腺癌檢測(cè)系統(tǒng)中關(guān)鍵技術(shù)研究[D];武漢科技大學(xué);2012年

5 付華柱;圖像協(xié)同關(guān)聯(lián)性約束的研究與應(yīng)用[D];天津大學(xué);2013年

6 廖宜濤;基于圖像與光譜信息的豬肉品質(zhì)在線(xiàn)無(wú)損檢測(cè)研究[D];浙江大學(xué);2011年

7 陳海林;基于判別學(xué)習(xí)的圖像目標(biāo)分類(lèi)研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2009年

8 王洪元;圖像動(dòng)態(tài)分析中的若干智能化方法研究[D];南京理工大學(xué);2004年

9 徐麗;面向圖像標(biāo)記的條件隨機(jī)場(chǎng)模型研究[D];長(zhǎng)安大學(xué);2013年

10 江志偉;基于內(nèi)容的WEB圖像過(guò)濾技術(shù)研究[D];浙江大學(xué);2007年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 徐衍魯;基于改進(jìn)的K-means和層次聚類(lèi)方法的詞袋模型研究[D];上海師范大學(xué);2015年

2 甘洪涌;SAR圖像自動(dòng)目標(biāo)識(shí)別算法研究[D];哈爾濱理工大學(xué);2014年

3 張玉營(yíng);基于認(rèn)知理論的高分辨率PolSAR圖像目標(biāo)解譯算法研究[D];哈爾濱工業(yè)大學(xué);2015年

4 王帥;視頻中扇貝圖像的檢測(cè)與定位研究[D];大連海洋大學(xué);2015年

5 李偉;改進(jìn)的主顏色提取方法及自適應(yīng)權(quán)重圖像檢索算法研究[D];華中師范大學(xué);2015年

6 李星云;碼垛機(jī)器人視覺(jué)控制關(guān)鍵技術(shù)的研究[D];西南科技大學(xué);2015年

7 梁，

本文編號(hào)：660896