基于多特征融合的場(chǎng)景分類與標(biāo)示方法.pdf

1、場(chǎng)景分類是20世紀(jì)90年代末興起的一個(gè)新的研究領(lǐng)域，近幾年成為研究的熱點(diǎn)。作為計(jì)算機(jī)視覺、人工智能、認(rèn)知科學(xué)、數(shù)據(jù)庫(kù)、模式識(shí)別與人機(jī)交互等多學(xué)科的交叉技術(shù)，場(chǎng)景分類更是得到了廣泛的關(guān)注。場(chǎng)景分類技術(shù)可用于圖像檢索、移動(dòng)機(jī)器人系統(tǒng)、智能視頻監(jiān)控、醫(yī)學(xué)應(yīng)用以及軍事應(yīng)用等方面，主要研究如何利用計(jì)算機(jī)高速、準(zhǔn)確、有效地對(duì)圖像與視頻進(jìn)行諸如分割、識(shí)別、分類等工作，使計(jì)算機(jī)能夠根據(jù)圖像的語(yǔ)義內(nèi)容，利用無(wú)監(jiān)督方法把圖像分類到特定的語(yǔ)義種類中。

2、　　本文首先總結(jié)國(guó)內(nèi)外場(chǎng)景分類的研究現(xiàn)狀，然后提出了基于多特征融合的場(chǎng)景分類與標(biāo)示方法，論文主要分為三大部分：
　　1.圖像全局場(chǎng)景的分類與標(biāo)示方法，介紹了圖像中值濾波方法、圖像分割算法、圖像特征提取與融合方法以及支持向量機(jī)分類原理，首先利用中值濾波能夠在抑制隨機(jī)噪聲的同時(shí)不使邊緣模糊，即能夠很好的保留圖像的邊緣信息的這個(gè)特性對(duì)圖像進(jìn)行濾波處理，然后利用Mean-shift算法對(duì)圖像進(jìn)行分割，再對(duì)圖像進(jìn)行輪廓提取，并且通過(guò)設(shè)定輪廓

3、面積閾值與周長(zhǎng)閾值對(duì)分割后的圖像相鄰區(qū)域進(jìn)行合并，并對(duì)合并后的輪廓進(jìn)行填充，進(jìn)一步消除圖像中出現(xiàn)的過(guò)分割現(xiàn)象，達(dá)到比較好的圖像分割效果，最后提取分割區(qū)域的顏色特征與紋理特征，并將其進(jìn)行特征融合，輸入到SVM分類器中完成對(duì)圖像全局場(chǎng)景的分類與標(biāo)示。
　　2.針對(duì)傳統(tǒng)的單純運(yùn)用可見光圖像信息，使用目標(biāo)建模的檢測(cè)分類方法進(jìn)行地物分類與標(biāo)示出現(xiàn)的耗時(shí)、準(zhǔn)確度不夠高的問題，本文提出了可見光與激光雷達(dá)圖像融合的地物分類與標(biāo)示的方法，利用可見光

4、圖像豐富的紋理信息和激光雷達(dá)圖像提供的豐富的位置高度信息進(jìn)行地物分類與標(biāo)示。首先利用激光雷達(dá)圖像中地物目標(biāo)的高程信息確定可見光圖像中地物的大體位置區(qū)域坐標(biāo)信息，在后續(xù)步驟中僅針對(duì)這些區(qū)域進(jìn)行處理，這就大大地縮短了尋找目標(biāo)區(qū)域的時(shí)間，并且減少了誤檢率，然后提取與這些位置區(qū)域坐標(biāo)對(duì)應(yīng)的可見光圖像區(qū)域，提取這些區(qū)域的S UR F詞袋特征，并輸入到SVM分類器中進(jìn)行類別分類，最終即可完成地物的分類與標(biāo)示。
　　3.根據(jù)本文提出的圖像全局場(chǎng)