基于圖像結構的目標檢測方法研究.pdf

1、目標檢測是圖像理解的核心問題，對圖像中各種變化的處理是目標檢測面對的主要難題之一。結構反映了事物的內在關系以及上下文約束，是圖像中相對穩(wěn)定的信息特征，能夠為圖像中各種變化的有效處理提供有力支持。本文以圖像結構信息的分析和提取為切入點，研究基于圖像結構的目標檢測技術，根據不同的檢測任務，提出了多種基于圖像結構的目標檢測方法。本研究內容與創(chuàng)新如下：
　　 (1)提出了一種基于圖像結構的目標檢測方法。圖像稀疏結構的學習首先形成圖像的稀

2、疏結構表示，然后在此基礎上通過Gentle Boosting學習算法進行分類器的訓練。針對單一目標產生多個檢測結果的問題，提出了一種非最大抑制的方法，經過兩次抑制操作保證了檢測的準確性。
　　 (2)提出了一種基于輪廓的目標檢測方法。該方法通過“平均”訓練集中目標樣本的輪廓特征來定義目標輪廓模板，然后，通過一個結合TPS變換的檢測過程來捕捉圖像中的目標。該檢測過程開始于種子區(qū)域的選擇，接著在TPS變換的基礎上計算種子區(qū)域與目標的

3、輪廓模板的差別，不斷地調整種子區(qū)域的邊界，逐步接近整個目標對象的區(qū)域。
　　 (3)提出了一種基于圖像拓撲層次結構的目標檢測方法。該方法將圖像區(qū)域之間的拓撲關系表示為一個層次結構，并將目標區(qū)域的上下文約束表示為層次結構的一個路徑，通過路徑匹配方法就可以檢測出圖像中潛在的目標區(qū)域。
　　 (4)提出了一種基于多尺度Shape Context的目標檢測方法。該方法使用不同尺度的目標部分構成目標的層次結構表示，把目標檢測問題視