多尺度表達(dá)和正則化方法在圖像識(shí)別中的研究與應(yīng)用.pdf

1、隨著移動(dòng)設(shè)備的不斷普及和互聯(lián)網(wǎng)的持續(xù)發(fā)展,以圖像為載體的信息交流方式越來(lái)越普遍。如何能夠自動(dòng)理解拍攝圖像傳達(dá)的語(yǔ)義信息是人們實(shí)際且迫切的需求。圖像識(shí)別作為解決這類問(wèn)題不可或缺的手段,主要關(guān)心如何對(duì)圖像中的物體及對(duì)其所處的場(chǎng)景進(jìn)行分析判斷。通常,物體識(shí)別包括個(gè)體識(shí)別、次級(jí)類別識(shí)別以及類別間的識(shí)別,而場(chǎng)景識(shí)別(又稱為場(chǎng)景分類)則是根據(jù)圖像內(nèi)容給出其代表的語(yǔ)義標(biāo)簽(如山脈、海岸線等),可為物體識(shí)別等任務(wù)提供有效的上下文信息。為解決這兩類模式識(shí)

2、別問(wèn)題,本文從對(duì)圖像識(shí)別系統(tǒng)關(guān)鍵模塊的現(xiàn)狀分析出發(fā),重點(diǎn)研究了特征設(shè)計(jì)中的多尺度信息和方法論中的正則化手段在圖像光照預(yù)處理、人臉性別識(shí)別、物體識(shí)別和場(chǎng)景識(shí)別中的應(yīng)用。
　　首先,針對(duì)光照條件對(duì)圖像識(shí)別的影響,本文考慮解決光源變化帶來(lái)的圖像顏色漂移問(wèn)題,以達(dá)到色彩恒常目的。目前,不存在任何一種通用的單個(gè)色彩恒常算法能適用于不同紋理特性的圖像。為此,提出一種基于紋理金字塔特征匹配和正則化局部回歸(TPM RLR)的色彩恒常算法來(lái)融合單

3、個(gè)算法的光照估計(jì)結(jié)果。TPM RLR算法結(jié)合多尺度表達(dá)構(gòu)建紋理金字塔,并利用威布爾分布參數(shù)提取圖像的紋理特征。然后,根據(jù)自定義的圖像相似性測(cè)度查找到與待校正圖像紋理最相似的參考圖像集。在融合階段,綜合基于先驗(yàn)知識(shí)的方法與基于數(shù)據(jù)驅(qū)動(dòng)方法的優(yōu)點(diǎn),在lαβ對(duì)立色彩空間內(nèi)采用正則化局部回歸合并單個(gè)算法。在兩個(gè)自然圖像數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明,TPM RLR融合算法能顯著提高光照估計(jì)的準(zhǔn)確度,其角度誤差中值比單個(gè)算法至少降低了29％,同時(shí)其校正效

4、果在主觀和客觀評(píng)價(jià)上均優(yōu)于現(xiàn)有的融合算法。
　　其次,以人臉這種特殊物體為研究對(duì)象,討論了基于人臉的性別識(shí)別問(wèn)題。首先,提出一種基于多尺度學(xué)習(xí)模式(MSLP)的人臉特征,該特征通過(guò)不同方法PCA/ICA/K-means學(xué)習(xí)得到多尺度卷積模板,然后對(duì)卷積后的圖像按照響應(yīng)強(qiáng)度順序進(jìn)行編碼,從而形成一個(gè)緊湊且具有較高鑒別力的直方圖特征來(lái)描述人臉。鑒于線性表達(dá)分類器(LinearRC)在人臉識(shí)別中的成功應(yīng)用,同時(shí)又考慮到性別識(shí)別和人臉識(shí)別

5、在數(shù)據(jù)分布上的差異,系統(tǒng)分析了LinearRC在性別識(shí)別上的應(yīng)用。另外,從原型生成的角度出發(fā),提出一種基于偏最小二乘的線性表達(dá)分類器(LRC PLS)及其群組分類器。在人臉性別識(shí)別上的大量實(shí)驗(yàn)證明, MSLP特征明顯優(yōu)于人工設(shè)計(jì)特征,LRC PLS較其他線性表達(dá)分類器性能穩(wěn)定、耗時(shí)較短,且其群組分類器可進(jìn)一步提高識(shí)別精度。
　　鑒于原型概念在性別識(shí)別中的成功應(yīng)用,從字典學(xué)習(xí)角度出發(fā),進(jìn)而提出一種基于多尺度查詢圖像擴(kuò)展的協(xié)同表達(dá)分類

6、器(QCRC CP),以解決較復(fù)雜環(huán)境下的物體識(shí)別問(wèn)題(即處理多姿態(tài)的、多視角的、更一般化等情況下的物體識(shí)別)。QCRC CP先將單張查詢圖像通過(guò)放縮擴(kuò)展成一個(gè)查詢集,并利用典型相關(guān)分析生成與查詢集最相關(guān)的一組類原型作為每一類的字典原子。這種字典構(gòu)造方法結(jié)合以往原型選擇方法與原型生成方法的優(yōu)點(diǎn),利用數(shù)據(jù)局部性剔除掉噪聲,生成與查詢樣本相關(guān)且最能代表該類別的原型集。最后,在新構(gòu)造的字典上,采用基于最小規(guī)范化殘差的多變量協(xié)同表達(dá)分類器判定查

7、詢圖像的類別。在多姿態(tài)人臉識(shí)別、樹(shù)葉類別識(shí)別、字符識(shí)別和通用物體識(shí)別上的實(shí)驗(yàn)表明,QCRC CP分類器獲得了令人滿意的結(jié)果,且其字典構(gòu)造方法優(yōu)于基于原型選擇和原型生成的字典學(xué)習(xí)算法。例如,QCRC CP在字符識(shí)別上的識(shí)別率比其他線性表達(dá)分類器提高了10%以上。
　　最后,在場(chǎng)景識(shí)別中,考慮到合適的距離度量能有效反映高維空間中樣本間的語(yǔ)義距離,提出一種基于正則化線性判別分析(RLDA)的全參數(shù)馬氏距離度量學(xué)習(xí)算法。當(dāng)訓(xùn)練樣本數(shù)目少且

8、特征維數(shù)高時(shí),距離度量學(xué)習(xí)算法復(fù)雜度過(guò)高,且容易出現(xiàn)過(guò)擬合問(wèn)題。為此,提出一種新的算法框架,即將度量學(xué)習(xí)的參數(shù)矩陣分解為一個(gè)射影矩陣與一個(gè)非負(fù)對(duì)角陣的乘積,從而可顯著降低要估計(jì)的參數(shù)個(gè)數(shù)。首先,采用不同參數(shù)調(diào)制的RLDA生成一個(gè)射影向量集合。然后基于邊信息,在構(gòu)建的訓(xùn)練數(shù)據(jù)集上通過(guò)l2范數(shù)正則化的非負(fù)最小二乘對(duì)射影向量進(jìn)行選擇和加權(quán)。該訓(xùn)練集是由射影后的相似樣本對(duì)子集與相異樣本對(duì)子集中樣本對(duì)的差向量平方組成。另外,為了保持訓(xùn)練庫(kù)中兩個(gè)子