本文關(guān)鍵詞：基于稀疏表征和自相似性的視覺數(shù)據(jù)識別關(guān)鍵技術(shù)及應(yīng)用，，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著互聯(lián)網(wǎng)及多媒體技術(shù)的迅猛發(fā)展,數(shù)字圖像、視頻等視覺數(shù)據(jù)呈現(xiàn)爆炸式增長,深刻影響著人類社會的方方面面。面對互聯(lián)網(wǎng)上的海量視覺數(shù)據(jù),如何利用計(jì)算機(jī)代替人類對其進(jìn)行智能化處理與理解,已經(jīng)成為一種迫切的需求。視覺數(shù)據(jù)識別技術(shù)作為計(jì)算機(jī)智能視覺分析中的關(guān)鍵技術(shù),盡管目前已經(jīng)取得一定研究進(jìn)展,但是在實(shí)際應(yīng)用中仍然受到光照變化、視角變化、遮擋等多方面環(huán)境因素的阻礙。因此,尋求有效的視覺特征表示方法成為視覺數(shù)據(jù)識別中的核心問題。稀疏表示及紋理特征是當(dāng)前非常流行的兩種視覺特征表示方式,也是本文的主要研究對象。視覺數(shù)據(jù)能夠在特定變換域中得到稀疏表示,是視覺稀疏表示理論的基本假設(shè)；這一觀點(diǎn)也被人眼視覺感知機(jī)理的相關(guān)研究成果所部分支持。目前基于信號稀疏表征的機(jī)器學(xué)習(xí)方法在計(jì)算機(jī)視覺及模式識別領(lǐng)域中備受關(guān)注,并在諸多視覺數(shù)據(jù)識別應(yīng)用中取得良好的效果,但仍然有很大提升空間。此外,由于紋理在各類視覺數(shù)據(jù)中無處不在,因此對其進(jìn)行有效分析描述是視覺數(shù)據(jù)識別任務(wù)的基礎(chǔ)性研究課題。雖然過去取得不少研究成果,但是在紋理區(qū)分能力及對各種環(huán)境變化的魯棒性方面,當(dāng)前紋理描述方法還有待改善。本文以視覺特征表示為主線,以稀疏編碼、局部模式編碼及分形分析為工具,對視覺數(shù)據(jù)識別的若干關(guān)鍵技術(shù)及其應(yīng)用進(jìn)行研究探討。本文的主要研究內(nèi)容與創(chuàng)新點(diǎn)如下：1.本文提出一種基于迭代重加權(quán)l(xiāng)2,1最小化的結(jié)構(gòu)化稀疏編碼方法(Reweighted l2,1 minimization based dictionary learning for Structured Sparse Coding, RL21-SSC).RL21-SSC方法通過使用迭代重加權(quán)而非標(biāo)準(zhǔn)l2,1范數(shù)對每個(gè)類別的樣本表示進(jìn)行結(jié)構(gòu)化稀疏約束,可以有效防止稀疏表示大系數(shù)上的偏置。而且,RL21-SSC方法所學(xué)到的字典能夠自適應(yīng)于每個(gè)類別樣本所處的子空間,從而促使不同類別擁有不同的結(jié)構(gòu)化稀疏模式。同時(shí),RL21-SSC方法在人臉識別、場景分類及行為識別上的一系列實(shí)驗(yàn)中取得了良好的分類效果。2.本文提出一種基于分類器集成的有監(jiān)督稀疏編碼方法(Ensemble Classifier based Dictionary Learning, ECDL/EasyDL)。EasyDL方法通過把子空間集成學(xué)習(xí)嵌入到有監(jiān)督稀疏編碼中,實(shí)現(xiàn)字典學(xué)習(xí)與集成分類器訓(xùn)練的耦合。而且,通過EasyDL方法所產(chǎn)生的稀疏表示,具有很強(qiáng)的可區(qū)分性與較弱的訓(xùn)練數(shù)據(jù)特性依賴性。針對EasyDL模型,本文提出一種有效的數(shù)值解法,從而實(shí)現(xiàn)字典與集成分類器的同時(shí)更新。在一系列視覺數(shù)據(jù)識別任務(wù)中,EasyDL方法取得比很多經(jīng)典有監(jiān)督稀疏編碼方法更優(yōu)秀的分類性能。3.本文提出一種基于層次組稀疏性的判別結(jié)構(gòu)化稀疏編碼方法(Collaborative HIerarchicaL Discriminative Dictionary Learning, CHILD-DL)。CHILD-DL方法通過在目標(biāo)函數(shù)中引入類相關(guān)的層次結(jié)構(gòu)稀疏正則項(xiàng),使得同類樣本在分組層面上擁有相同的稀疏模式的同時(shí)在個(gè)體層面上容許稀疏模式存在差異。同時(shí),CHILD-DL方法通過在字典學(xué)習(xí)過程中嵌入線性分類器訓(xùn)練,進(jìn)一步提高了稀疏表示的可區(qū)分性。針對人臉識別、物體識別及場景分類等應(yīng)用,本文將CHILD-DL方法與幾個(gè)國際領(lǐng)先的判別稀疏編碼方法進(jìn)行實(shí)驗(yàn)對比,實(shí)驗(yàn)結(jié)果驗(yàn)證了其有效性。4.本文提出一種基于間隙度分析的靜態(tài)紋理特征描述子,即模式間隙度譜(Pattern Lacunarity Spectrum, PLS)。PLS描述方法對紋理圖像應(yīng)用旋轉(zhuǎn)不變等價(jià)局部二值模式算子,并通過使用間隙度分析對所得到的局部模式在空域上分布的自相似性行為進(jìn)行刻畫,得到該圖像的特征表示。同時(shí),PLS描述方法在四個(gè)公開靜態(tài)紋理數(shù)據(jù)集上的分類實(shí)驗(yàn)中,都取得國際一流的分類效果。5.本文提出一種基于間隙度分析的動態(tài)紋理特征描述子,即時(shí)空模式間隙度譜(Space-Time Pattern Lacunarity Spectrum, ST-PLS)。ST-PLS描述方法通過在動態(tài)紋理序列在三個(gè)正交時(shí)空平面上的二維切片上應(yīng)用兩種有效的局部模式編碼策略,并通過間隙度分析對時(shí)空局部二值模式在三個(gè)時(shí)空平面上分別表現(xiàn)出的統(tǒng)計(jì)自相似性進(jìn)行刻畫,得到該動態(tài)紋理的特征表示。同時(shí),ST-PLS描述方法在兩個(gè)基準(zhǔn)動態(tài)紋理數(shù)據(jù)集上的分類實(shí)驗(yàn)中,都取得國際一流的分類效果。
【關(guān)鍵詞】：視覺數(shù)據(jù)識別 稀疏表示 字典學(xué)習(xí) 結(jié)構(gòu)化稀疏性 有監(jiān)督學(xué)習(xí) 紋理描述 間隙度分析
【學(xué)位授予單位】：華南理工大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2015
【分類號】：TP391.41
【目錄】：

• 摘要5-7
• Abstract7-13
• 第一章 緒論13-24
• 1.1 研究背景與研究內(nèi)容13-15
• 1.2 研究意義及應(yīng)用前景15-17
• 1.3 研究現(xiàn)狀概述17-22
• 1.3.1 針對分類的稀疏編碼17-20
• 1.3.2 紋理特征描述20-22
• 1.4 本文的組織22-24
• 第二章 先備知識24-48
• 2.1 文中常用概念及符號說明24-26
• 2.2 稀疏編碼及字典學(xué)習(xí)概述26-37
• 2.2.1 基于l_0范數(shù)的稀疏編碼模型與算法26-28
• 2.2.2 基于l_1范數(shù)的稀疏表示模型與算法28-30
• 2.2.3 字典學(xué)習(xí)方法30-32
• 2.2.4 結(jié)構(gòu)化稀疏編碼模型與算法32-36
• 2.2.5 判別稀疏編碼技術(shù)36-37
• 2.3 局部模式編碼技術(shù)37-43
• 2.3.1 局部二值特征編碼38-41
• 2.3.2 局部三值特征編碼41-43
• 2.4 自相似性和分形幾何學(xué)43-48
• 2.4.1 分形與自相似性43-45
• 2.4.2 間隙度分析45-48
• 第三章 視覺數(shù)據(jù)集及其應(yīng)用說明48-61
• 3.1 稀疏編碼實(shí)驗(yàn)相關(guān)的視覺數(shù)據(jù)集48-53
• 3.1.1 稀疏編碼實(shí)驗(yàn)相關(guān)的人臉數(shù)據(jù)集48-49
• 3.1.2 稀疏編碼實(shí)驗(yàn)相關(guān)的物體數(shù)據(jù)集49-50
• 3.1.3 稀疏編碼實(shí)驗(yàn)相關(guān)的場景數(shù)據(jù)集50-52
• 3.1.4 稀疏編碼實(shí)驗(yàn)相關(guān)的行為數(shù)據(jù)集52
• 3.1.5 用于識別實(shí)驗(yàn)比較的稀疏編碼方法52-53
• 3.2 紋理數(shù)據(jù)集及其應(yīng)用說明53-61
• 3.2.1 靜態(tài)紋理數(shù)據(jù)集及其應(yīng)用說明53-57
• 3.2.2 動態(tài)紋理數(shù)據(jù)集及其應(yīng)用說明57-61
• 第四章 基于迭代重加權(quán)l(xiāng)_(2,1)最小化的結(jié)構(gòu)化稀疏編碼61-72
• 4.1 本章概述61-62
• 4.2 加權(quán)技術(shù)與結(jié)構(gòu)化稀疏編碼技術(shù)62-63
• 4.3 基于迭代重加權(quán)l(xiāng)_(2,1)范數(shù)最小化模型與算法63-67
• 4.3.1 基于迭代重加權(quán)l(xiāng)_(2,1)范數(shù)最小化模型RL21-SSC63-65
• 4.3.2 RL21-SSC模型求解65-67
• 4.3.3 RL21-SSC方法的分類策略67
• 4.4 實(shí)驗(yàn)對比和分析67-71
• 4.5 本章總結(jié)71-72
• 第五章 基于分類器集成的有監(jiān)督稀疏編碼72-88
• 5.1 本章概述72-73
• 5.2 經(jīng)典有監(jiān)督稀疏編碼方法73-75
• 5.3 基于集成判別準(zhǔn)則的有監(jiān)督字典學(xué)習(xí)模型與算法75-80
• 5.3.1 基于集成判別準(zhǔn)則的有監(jiān)督字典學(xué)習(xí)模型EasyDL75-77
• 5.3.2 EasyDL模型求解77-80
• 5.3.3 EasyDL方法的分類策略80
• 5.4 實(shí)驗(yàn)對比與分析80-87
• 5.5 總結(jié)與結(jié)論87-88
• 第六章 基于層次組稀疏性的判別結(jié)構(gòu)化稀疏編碼88-99
• 6.1 本章概述88-90
• 6.2 基于層次組稀疏性的判別結(jié)構(gòu)化稀疏編碼模型與算法90-93
• 6.2.1 基于層次組稀疏性的判別結(jié)構(gòu)化稀疏編碼模型CHILD-DL90-91
• 6.2.2 CHILD-DL模型求解91-93
• 6.2.3 CHILD-DL方法的分類策略93
• 6.3 實(shí)驗(yàn)對比與分析93-98
• 6.4 總結(jié)與結(jié)論98-99
• 第七章 基于間隙度分析的紋理數(shù)據(jù)識別99-116
• 7.1 引言99-101
• 7.2 相關(guān)方法101-103
• 7.2.1 靜態(tài)紋理描述101-102
• 7.2.2 動態(tài)紋理描述102-103
• 7.3 基于間隙度分析的靜態(tài)紋理描述103-106
• 7.4 基于間隙度分析的動態(tài)紋理刻畫106-109
• 7.4.1 動態(tài)紋理切片107
• 7.4.2 時(shí)空局部模式編碼107-108
• 7.4.3 在二值編碼圖上的間隙度分析108-109
• 7.4.4 特征集成109
• 7.5 靜態(tài)紋理分類實(shí)驗(yàn)對比與分析109-113
• 7.6 動態(tài)紋理分類實(shí)驗(yàn)對比與分析113-114
• 7.7 總結(jié)與結(jié)論114-116
• 總結(jié)與展望116-118
• 參考文獻(xiàn)118-126
• 附錄1 視覺數(shù)據(jù)識別實(shí)驗(yàn)上的稀疏編碼方法比較126-127
• 附錄2 攻讀博士學(xué)位期間取得的研究成果127-128
• 致謝128-129
• 附件129

【共引文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 曾輝,江子瀛,喻紅,許國雄;深圳市龍華地區(qū)快速城市化過程中的景觀結(jié)構(gòu)研究 Ⅲ農(nóng)業(yè)用地結(jié)構(gòu)及異質(zhì)性分析[J];北京大學(xué)學(xué)報(bào)(自然科學(xué)版);2000年02期

2 趙婕;王慶飛;張鐸毓;;用空隙法識別礦化強(qiáng)度[J];地質(zhì)與勘探;2010年04期

3 劉嘉;王宏琦;;一種基于圖割的交互式圖像分割方法[J];電子與信息學(xué)報(bào);2008年08期

4 孫顯;付琨;王宏琦;;基于空間語義對象混合學(xué)習(xí)的復(fù)雜圖像場景自動分類方法研究[J];電子與信息學(xué)報(bào);2011年02期

5 郭俊理;常學(xué)禮;張安定;宋彥華;;科爾沁沙地植物多樣性對生產(chǎn)力的影響及分布格局[J];干旱區(qū)地理;2006年04期

6 劉廣海;王強(qiáng);;基于基元自相關(guān)圖的圖像檢索[J];廣西師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2009年03期

7 王曉明;馮鑫;黨建武;;一種局部監(jiān)督式紋理分類算法[J];蘭州理工大學(xué)學(xué)報(bào);2012年04期

8 吳承隆;肖龍;姜永櫟;虞永方;;交通安全事件智能分析系統(tǒng)在大型橋梁的應(yīng)用[J];電子科技;2013年01期

9 關(guān)興良;胡仕林;藺雪芹;魯莎莎;;武漢城市群城鎮(zhèn)用地?cái)U(kuò)展的動態(tài)模式及其驅(qū)動機(jī)制[J];長江流域資源與環(huán)境;2014年11期

10 張鴻杰;王憲;孫子文;;Shearlet多方向自適應(yīng)加權(quán)融合的稀疏表征人臉識別[J];光電工程;2014年12期

中國重要會議論文全文數(shù)據(jù)庫 前3條

1 謝世朋;胡茂林;;基于濾波器庫的紋理自動分類的研究[A];第一屆建立和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會議（HHME2005）論文集[C];2005年

2 佟強(qiáng);;圖像區(qū)域粗糙分割情況下的區(qū)域物體分類[A];第四屆全國幾何設(shè)計(jì)與計(jì)算學(xué)術(shù)會議論文集[C];2009年

3 劉帥;孫浩;周石琳;;基于語義屬性的遙感圖像檢索[A];第三屆高分辨率對地觀測學(xué)術(shù)年會優(yōu)秀論文集[C];2014年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 任楨;圖像分類任務(wù)的關(guān)鍵技術(shù)研究[D];哈爾濱工程大學(xué);2010年

2 鹿瑞;自然圖像的顏色恒常性計(jì)算研究[D];北京交通大學(xué);2010年

3 白明;自主移動機(jī)器人的運(yùn)動規(guī)劃與圖像理解研究[D];大連理工大學(xué);2011年

4 陶e

本文編號：360034