基于空間相關性特征的目標識別方法.pdf

1、隨著信息技術的發(fā)展，越來越多的圖像和視頻出現(xiàn)在人們的生活中和互聯(lián)網(wǎng)上。如何有效的管理和組織這些多媒體數(shù)據(jù)成為一個亟待解決的問題。對多媒體內(nèi)容進行分析與理解，進而對多媒體數(shù)據(jù)進行基于內(nèi)容的分類為有效的管理和組織這些數(shù)據(jù)提供了新途徑。正確檢測和識別出圖像中目標的位置和類型，為多媒體的理解和分析提供了前提和保障，具有重要的意義。
　　現(xiàn)有的基于局部特征的圖像中目標檢測和識別方法，常常遇到運算時間較高的問題。本文從探討產(chǎn)生這個問題的本質(zhì)原

2、因出發(fā)，通過融合特征之間的空間相關性，提出了基于空間相關性的特征表達方法，采用空間相關樹來保存特征的空間約束關系。在該特征表達方法的基礎上，提出了基于空間相關樹的空間集成輔助匹配算法(Spatial InteGrated Matching Association, SIGMA算法)來解決無序特征集合匹配問題，并將SIGMA算法應用在Logo檢測和目標識別中。本文主要研究工作如下：
　　首先，本文提出了基于空間相關性的特征表達方法，

3、充分挖掘特征之間的空間約束關系，采用空間相關樹的形式來表達特征。該特征表達方法有效的增加了原有特征組的判別能力。同時，本文在理論層面上分析了使用空間相關樹進行特征表達而使判別力增加的根本原因，并提出了空間相關樹判別力度量的形式化描述。實驗結果表明，基于空間相關樹的特征表達方法與傳統(tǒng)無序特征集合相比判別力得到有效提高，同時也驗證了所提出的判別力形式化描述方法的正確性；
　　其次，以基于空間相關性的特征表達方法為基礎，本文提出了空間集

4、成輔助匹配算法(SIGMA算法)。該算法采用空間相關樹的表達方式，根據(jù)空間相關樹融合了空間約束關系以及判別力增強的特性，來縮小無序特征集合匹配過程中遍歷范圍并確定較優(yōu)的遍歷順序。
　　最后，本文將基于空間相關樹的SIGMA算法應用在圖像中的Logo檢測和目標識別中。將SIGMA算法與SIFT特征有效的結合起來，發(fā)揮出SIFT特征在局部特征描述方面以及空間相關樹在特征空間相關性表達方面的優(yōu)勢，提高檢測和識別的性能。實驗結果表明，SI