基于SVDD的三维目标多视点视图建模

被引：2

作者：

丁昊

李旭东

赵慧洁

机构：

[1] 北京航空航天大学精密光机电一体化技术教育部重点实验室

来源：

北京航空航天大学学报 | 2012年 / 38卷 / 11期

关键词：

多视点建模; 支持向量数据描述; 三维目标识别; 规则化不变矩;

D O I：

10.13700/j.bh.1001-5965.2012.11.012

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

同一目标在不同观察视点下成像后外形可能有较大差异,因此三维目标多视点视图建模是目标识别的关键.针对该问题,提出了基于支持向量数据描述(SVDD,SupportVector Data Description)方法对目标特征进行描述.在视点球面上均匀采样获取目标全姿态图像,以SVDD方法求取在高维空间内包含尽可能多目标特征向量的最小超球体相关参数,得到数量较少的支持向量将作为目标多视点视图的最佳模型.对多类目标不同姿态的图像(每类2592帧),以规则化不变矩描述目标外形特征,进行了建模实验,并通过识别实验验证了所提方法的有效性和可行性.

引用

页码：1517 / 1521

页数：5

共 7 条

[1] 基于Zernike矩的三维目标多视点特性视图建模 [J].

彭辉 ;

黄士科 ;

陶琳 ;

张天序 .

红外与激光工程, 2005, (03) :292-296

[2]

基于组合不变矩的空间目标识别[A]. 张劲锋,蔡伟.全国第十二届空间及运动体控制技术学术会议论文集[C]. 2006

[3]

成像自动目标识别[M]. 湖北科学技术出版社 , 张天序著, 2005

[4] Cutting-plane training of structural SVMs [J].

Joachims, Thorsten ;

Finley, Thomas ;

Yu, Chun-Nam John .

MACHINE LEARNING, 2009, 77 (01) :27-59

[5] Support vector data description [J].

Tax, DMJ ;

Duin, RPW .

MACHINE LEARNING, 2004, 54 (01) :45-66

[6]

The internal representation of solid shape with respect to vision[J] . J. J. Koenderink,A. J. Doorn.Biological Cybernetics . 1979 (4)

[7]

Multiclass classification based on extended support vector data description .2 Mu T,Nandi A K. IEEE Trans- actions on Systems, Man, and Cybernetics—Part B: Cybernetics . 2009

← 1 →