收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于稀疏表示的RGB-D图像特征学习研究与应用

涂淑琴  
【摘要】:RGB-D(彩色与深度)图像分类是计算机视觉领域的研究热点之一。将彩色信息与反映物体表面三维特征的深度信息融合,可极大地提高图像分类准确率。然而,对于大规模、复杂场景的RGB-D图像分类问题,传统的特征提取方法往往需要手工设计特征,且难以提取辨别性能高的稀疏性特征,影响了分类性能。稀疏表示方法具有鲁棒性好、泛化能力和抗干扰能力强特点;深度学习能自动地对输入样本图像进行本质特征抽取,这两类新方法的出现为RGB-D图像特征提取与学习注入新的方向。研究快速、有效的RGB-D图像稀疏表示方法。将其与深度学习技术融合,提出高效的RGB-D图像特征自动学习方法,应用到水果分类识别中,不仅将极大地推动图像分类研究的进程,也将促进农业计算机视觉的应用发展,具有重要的理论和现实意义。本文以提高RGB-D图像分类准确率为目标,采用稀疏表示和深度学习理论研究RGB-D图像特征提取、表达和学习方法。在分析目前特征提取与表达的基础上,提出新的特征学习方法,并将其应用到RGB-D图像分类和水果成熟度判别中。主要研究内容和创新工作包括以下几个方面:(1)提出了基于局部约束稀疏编码(Locality-constrained Linear Coding,LLC)的RGB-D图像特征表达方法。针对经典的稀疏编码速度慢以及未考虑特征的局部性问题,该方法分别对RGB图像和depth图像提取SIFT特征,利用LLC形成RGB-D图像的特征表示。与经典的稀疏表示相比,该方法同时考虑了特征的稀疏性与局部性,更加有利于图像分类和目标识别。在水果种类分类和RGB-D数据集上验证了局部约束稀疏表示的有效性。(2)提出了改进结构化稀疏表示的RGB-D图像特征学习算法。针对RGB-D形状高相似度图像难区分问题,在优化函数中引入理想类别标记项来增强字典判别性能,采用交替方向乘子(Alternating Direction Method of Multipliers,ADMM)方法推导字典学习与稀疏编码求解,获取改进的结构化稀疏表示作为特征表示,完成图像分类。该方法在保证特征学习的稀疏性基础上,同时实现类类之间距离最大和类内距离最小约束,实现相似图像有效区分。在RGB-D数据集上进行对比实验,表明了该方法比经典的组稀疏方法具有更好的性能。(3)提出了卷积神经网络(Convolutional Neural Networks,CNN)融合组稀疏表示的RGB-D图像特征学习方法。传统的特征表示方法中,其特征提取一般使用手工设计图像局部特征,这很大程度上依靠专家经验知识,缺乏特征提取的通用性,利用CNN方法,能自动从源图像中直接提取图像的边缘,纹理和颜色特征,形成图像的全局和局部融合特征。但是,CNN学习特征冗余较大,需进一步用很少的数据捕获其中的重要信息。组稀疏表示方法结合了稀疏表示中的L1-范数约束以及岭回归中的L2-范数约束,在组间尽可能稀疏,同时保持组内尽可能小的损失误差。对比稀疏表示方法,该方法融合CNN自动学习特征与组稀疏的组效应优点,在图像分类中能获取得更好的性能。(4)提出一种基于深度学习与组稀疏的RGB-D图像层次特征学习模型。首先,采用卷积递归神经网络方法分别从源RGB和深度图像中自动提取低层和中层特征;然后,采用组稀疏编码和改进的块字典学习方法对图像特征进行深入学习,获取更具区分与判别能力的高层特征表示;最后采用softmax分类器实现RGB-D图像分类。在RGB-D数据集和2D3D数据集上进行实验验证,表明该层次特征学习方法能有效完成大规模数据集分类,对比其他特征学习方法,其准确率有明显提升,同时融合彩色与深度图像特征可显著提高图像分类准确率。(5)设计与实现自然场景下百香果目标检测与成熟度分类的系统。为了实现机器人快速的百香果适时采摘,首先采用kinect2.0设备,建立果园场景下百香果RGB-D数据库;然后对RGB图像和深度图像分别采用HOG特征和Adaboost级联方法完成百香果果实检测,其检测精度达到82.9%;最后利用彩色SIFT特征融合ScSPM、彩色SIFT特征融合LLC和CNN特征学习方法对检测出的百香果果实进行成熟度判别,三种方法中,彩色SIFT特征融合LLC方法取得最好的分类准确率(91.52%),能高效地完成自然场景下百香果果实的成熟度分类作业。通过上述的研究工作,结果表明:有效的特征编码方法,即稀疏表示方法能够极大地改善RGB-D视觉图像分类和识别的性能;基于深度学习结构的特征方法能够对原始的图像数据学习出有效的特征,避免了人工设计特征的复杂性。基于稀疏表示和深度学习的特征提取方法,在图像识别上可获得较高的准确率,是一个非常前沿的研究方向且具有广泛的应用前景。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 张新鹏;王朔中;;基于稀疏表示的密写编码[J];电子学报;2007年10期
2 李映;张艳宁;许星;;基于信号稀疏表示的形态成分分析:进展和展望[J];电子学报;2009年01期
3 赵瑞珍;王飞;罗阿理;张彦霞;;基于稀疏表示的谱线自动提取方法[J];光谱学与光谱分析;2009年07期
4 杨蜀秦;宁纪锋;何东健;;基于稀疏表示的大米品种识别[J];农业工程学报;2011年03期
5 史加荣;杨威;魏宗田;;基于非负稀疏表示的人脸识别[J];计算机工程与设计;2012年05期
6 高志荣;熊承义;笪邦友;;改进的基于残差加权的稀疏表示人脸识别[J];中南民族大学学报(自然科学版);2012年03期
7 朱杰;杨万扣;唐振民;;基于字典学习的核稀疏表示人脸识别方法[J];模式识别与人工智能;2012年05期
8 耿耀君;张军英;袁细国;;一种基于稀疏表示系数的特征相关性测度[J];模式识别与人工智能;2013年01期
9 张疆勤;廖海斌;李原;;基于因子分析与稀疏表示的多姿态人脸识别[J];计算机工程与应用;2013年05期
10 李正周;王会改;刘梅;丁浩;金钢;;基于形态成分稀疏表示的红外小弱目标检测[J];弹箭与制导学报;2013年04期
11 胡正平;赵淑欢;李静;;基于块稀疏递推残差分析的稀疏表示遮挡鲁棒识别算法研究[J];模式识别与人工智能;2014年01期
12 陈思宝;赵令;罗斌;;局部保持的稀疏表示字典学习[J];华南理工大学学报(自然科学版);2014年01期
13 王铿;张重阳;齐朗晔;;基于核距离的稀疏表示的交通标识识别[J];计算机应用与软件;2014年03期
14 单建华;张晓飞;;稀疏表示人脸识别的关键问题分析[J];安徽工业大学学报(自然科学版);2014年02期
15 栾悉道;王卫威;谢毓湘;张芯;李琛;;非线性稀疏表示理论及其应用[J];计算机科学;2014年08期
16 杨荣根;任明武;杨静宇;;基于稀疏表示的人脸识别方法[J];计算机科学;2010年09期
17 郑轶;蔡体健;;稀疏表示的人脸识别及其优化算法[J];华东交通大学学报;2012年01期
18 段菲;章毓晋;;一种面向稀疏表示的最大间隔字典学习算法[J];清华大学学报(自然科学版);2012年04期
19 李仲生;李仁发;蔡则苏;赵乘麟;;稀疏表示下的非监督显著对象提取[J];电子学报;2012年06期
20 段菲;章毓晋;;基于多尺度稀疏表示的场景分类[J];计算机应用研究;2012年10期
中国重要会议论文全文数据库 前3条
1 何爱香;刘玉春;魏广芬;;基于稀疏表示的煤矸界面识别研究[A];虚拟运营与云计算——第十八届全国青年通信学术年会论文集(上册)[C];2013年
2 樊亚翔;孙浩;周石琳;邹焕新;;基于元样本稀疏表示的多视角目标识别[A];2013年中国智能自动化学术会议论文集(第五分册)[C];2013年
3 葛凤翔;任岁玲;郭鑫;郭良浩;孙波;;微弱信号处理及其研究进展[A];中国声学学会水声学分会2013年全国水声学学术会议论文集[C];2013年
中国博士学位论文全文数据库 前10条
1 李进明;基于稀疏表示的图像超分辨率重建方法研究[D];重庆大学;2015年
2 王亚宁;基于信号稀疏表示的电机故障诊断研究[D];河北工业大学;2014年
3 姚明海;视频异常事件检测与认证方法研究[D];东北师范大学;2015年
4 黄国华;蛋白质翻译后修饰位点与药物适应症预测方法研究[D];上海大学;2015年
5 王瑾;基于稀疏表示的数据收集、复原与压缩研究[D];北京工业大学;2015年
6 王文卿;基于融合框架与稀疏表示的遥感影像锐化[D];西安电子科技大学;2015年
7 解虎;高维小样本阵列自适应信号处理方法研究[D];西安电子科技大学;2015年
8 秦振涛;基于稀疏表示及字典学习遥感图像处理关键技术研究[D];成都理工大学;2015年
9 薛明;基于稀疏表示的在线目标跟踪研究[D];上海交通大学;2014年
10 孙乐;空谱联合先验的高光谱图像解混与分类方法[D];南京理工大学;2014年
中国硕士学位论文全文数据库 前10条
1 王道文;基于稀疏表示的目标跟踪算法研究[D];华南理工大学;2015年
2 李哲;基于稀疏表示和LS-SVM的心电信号分类[D];河北大学;2015年
3 孙雪青;Shearlet变换和稀疏表示相结合的甲状腺结节图像融合[D];河北大学;2015年
4 吴丽璇;基于稀疏表示的微聚焦X射线图像去噪方法[D];华南理工大学;2015年
5 赵孝磊;基于图像分块稀疏表示的人脸识别算法研究[D];南京信息工程大学;2015年
6 黄志明;基于辨别式稀疏字典学习的视觉追踪算法研究[D];华南理工大学;2015年
7 张铃华;非约束环境下的稀疏表示人脸识别算法研究[D];南京信息工程大学;2015年
8 贺妍斐;基于稀疏表示与自适应倒易晶胞的遥感图像复原方法研究[D];南京信息工程大学;2015年
9 杨烁;电能质量扰动信号的稀疏表示/压缩采样研究[D];西南交通大学;2015年
10 应艳丽;基于低秩稀疏表示的目标跟踪算法研究[D];西南交通大学;2015年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978