学位论文 > 优秀研究生学位论文题录展示

基于贝叶斯推理的物体识别

作　者: 张春华
导　师: 李文辉；徐长青
学　校: 吉林大学
专　业: 计算机应用技术
关键词: 贝叶斯推理序列蒙特卡罗采样 Gabor滤波物体识别
分类号: TP391.41
类　型: 硕士论文
年　份: 2008年
下　载: 234次
引　用: 1次
阅　读: 论文下载

内容摘要

人类视觉系统是一种非常优秀的物体识别系统,能够将众多各式各样的物体从同一个场景中区分出来,为了使计算机具有人类视觉的功能,能够感知和理解图像,进而完成在特定环境下的特殊任务,计算机视觉相应产生了。作为计算机视觉领域目前最热门的研究方向之一,物体识别是研究如何对物体进行建模和怎样去训练该模型并使用该模型从新的图像中识别物体实体。本文从贝叶斯理论出发研究物体识别问题,主要针对人脸进行定位识别。使用序列蒙特卡罗采样方法,根据已经匹配好的特征点位置信息逐次匹配下一个特征,可以正确检测到人脸,尤其在遮挡比较严重的情况下令人满意。本文具体研究内容包括:(1)贝叶斯理论知识,采样方法。介绍了贝叶斯相关一些概念,指出了一些概率模型计算非常复杂,使用采样方法计算起来可能简单一些。分析了目前几种主要的采样算法,并比较了它们的优缺点。(2) Gabor特征。使用Gabor滤波对图像进行转换,从而使得图像的特征点更有区分性。(3) GPA对齐算法。为了消除训练形状之间的缩放影响,我们使用一种修改了的GPA算法,使这些形状对齐。(4)物体外观和形状模型的建立。以贝叶斯理论为基础,分别从物体的外观和形状建立模型,再将它们组合在一个贝叶斯框架下,得到物体识别模型。在识别时使用序列蒙特卡罗采样方法提高匹配速度,实验结果表明可以正确检测到人脸,尤其在遮挡比较严重的情况下令人满意。

全文目录

提要  4-7
第一章绪论  7-14
  1.1 研究背景与意义  7-11
    1.1.1 物体识别研究与相关研究的关系  7-9
    1.1.2 物体识别的应用前景  9-11
  1.2 物体识别的内容和难点  11-12
    1.2.1 物体识别的研究内容  11
    1.2.2 物体识别的技术难点  11-12
  1.3 本文结构  12-14
第二章主要算法综述  14-22
  2.1 物体表征  14-15
  2.2 物体识别算法综述  15-21
    2.2.1 几何特征和模板匹配方法  16-17
    2.2.2 弹性图匹配  17-18
    2.2.3 模型参数法  18-19
    2.2.4 Part-Based模型  19-20
    2.2.5 特征构造  20-21
  2.3 小结  21-22
第三章贝叶斯理论及采样方法  22-38
  3.1 贝叶斯知识介绍  22-25
    3.1.1 引言  22
    3.1.2 贝叶斯定理  22-24
    3.1.3 后验概率分析与预测  24
    3.1.4 层次模型  24-25
  3.2 采样方法  25-36
    3.2.1 蒙特卡罗采样  25-29
    3.2.2 马尔可夫链蒙特卡罗(MCMC)  29-33
    3.2.3 序列蒙特卡罗(Sequential Monte Carlo)  33-36
  3.3 采样方法比较  36-37
  3.4 小结  37-38
第四章物体识别模型的建立  38-58
  4.1 物体外观建模  40-50
    4.1.1 Gabor特征  40-46
    4.1.2 利用Gabor特征建模  46-50
  4.2 物体形状建模  50-55
    4.2.1 修改的GPA算法  50-53
    4.2.2 形状建模  53-55
  4.3 模型改进  55-57
    4.3.1 小尺度变化  55
    4.3.2 遮挡  55-57
  4.4 小结  57-58
第五章模型实现及实验结果  58-72
  5.1 模型训练  58-61
  5.2 模型测试  61-71
    5.2.1 采样过程实现  61-63
    5.2.2 实验结果  63-71
  5.3 小结  71-72
第六章结论  72-73
参考文献  73-77
摘要  77-80
Abstract  80-84
致谢  84-85
导师及作者简介  85

基于贝叶斯推理的物体识别

内容摘要

全文目录

相似论文