基于局部神經(jīng)反應(yīng)的目標識別研究.pdf

1、隨著模式識別和計算機視覺技術(shù)的發(fā)展，目標識別在軍事、航天、導航、天文和智能視頻監(jiān)控等方面有著廣泛的應(yīng)用，一直以來都受到國內(nèi)外研究學者們的關(guān)注。目標識別的性能主要依賴于相似性度量方法的選擇，本文利用深度學習和流形學習理論提取目標圖像的特征表示，同時有效的模板選取方法能夠提高圖像特征的匹配精度，主要研究內(nèi)容如下:
　　首先，介紹了基于模板選取的局部不變特征提取方法，分別闡述了特征提取的目的及條件、判別依據(jù)并簡單描述了常見的性能較好的特

2、征提取算法。基于模板的特征提取方法在圖像識別過程中對于圖像信息的處理和特征的提取能夠有較好的圖像表示，從而使圖像識別得到較高的準確率。
　　其次，局部神經(jīng)反應(yīng)的特征提取算法采用深度學習和流形學習算法提取圖像特征，使特征信息表示更具代表性。該算法具有尺度和旋轉(zhuǎn)不變性，且由局部編碼獲取圖像中局部的顯著特征，最大化聯(lián)合操作保持提取特征的平移不變性，在圖像識別的過程中可以處理不規(guī)則分布的復(fù)雜數(shù)據(jù)和高效處理高維數(shù)據(jù)、提高分類精度。
　

3、　然后，基于局部神經(jīng)反應(yīng)提出了一種具有較好特征表示能力的模板選取算法。該算法利用樣本圖像的標記信息獲得較少數(shù)目且具有較強判別能力的模板，使局部神經(jīng)反應(yīng)更加適合圖像識別。通過在標準圖像數(shù)據(jù)庫上進行實驗，結(jié)果表明此算法在使用少量模板的情況下依然可以提高局部神經(jīng)反應(yīng)的圖像識別精度。
　　最后，論文使用MATLAB中GUI界面實現(xiàn)目標中人臉圖像識別系統(tǒng)的仿真。結(jié)果表明，本文使用的基于局部神經(jīng)反映的模板選取算法對局部形變和復(fù)雜背景具有較好的