基于形状统计模型的多类目标自动识别方法

被引：6

作者：

孙显 ^{[1
,2
,3
]}

王宏琦 ^{[1
,2
]}

杨志峰 ^{[2
]}

机构：

[1] 中国科学院电子学研究所

[2] 中国科学院空间信息处理与应用系统技术重点实验室

[3] 中国科学院研究生院

来源：

电子与信息学报 | 2009年 / 31卷 / 11期

关键词：

图像处理; 目标识别; 形状统计模型; 无监督学习;

D O I：

暂无

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

形状是人类视觉系统分析和识别目标的基础。针对现有方法的不足,该文提出了一种新的基于形状统计模型的多类目标自动识别方法。该模型定义形状基元对作为特征描述子,从样本图像中抽取典型基元对,聚类量化后组成形状字典。然后综合分析各类信息,通过无监督学习来统计目标的特征分布状况,构建类别形状模型。快速定位目标区域并辨识对象类别后,可结合图像分割获取精确形状。实验结果表明,该方法能准确、高效地提取多种类型和复杂结构的目标,较好解决了噪声干扰、旋转侧偏等问题,具有较强的实用价值。

引用

页码：2626 / 2631

页数：6

共 5 条

[1] 一种新的几何特征形状描述子
张显全
郭明明
唐莹
蒋联源
赵英淞
[J]. 计算机工程与应用, 2007, (29) : 90 - 92
[2] Robust Object Detection with Interleaved Categorization and Segmentation[J] . International Journal of Computer Vision . 2008 (1)
[3] Weakly Supervised Scale-Invariant Learning of Models for Visual Recognition[J] . R. Fergus,P. Perona,A. Zisserman.International Journal of Computer Vision . 2006 (3)
[4] Unsupervised Learning by Probabilistic Latent Semantic Analysis
Thomas Hofmann
[J]. Machine Learning, 2001, 42 : 177 - 196
[5] Maximum Likelihood from Incomplete Data via the EM Algorithm[J] . A. P. Dempster,N. M. Laird,D. B. Rubin.Journal of the Royal Statistical Society. Series . 1977 (1)

← 1 →