信息融合理论及其在模式识别中的应用研究 大学毕业设计.doc

《信息融合理论及其在模式识别中的应用研究 大学毕业设计.doc》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、n摘要2001年5月n摘要2001年5月摘要智能的机器化和机器的智能化是目前科学技术发展的一个重要方向。模式识别一直被认为是智能的核心部分，其研究宗旨是使得机器具有人类那样的综合分析、自动分类判断能力并能完成自动识别任务。大量实践表明，（1)人类是通过神经中枢对来自不同传感器的信息进行完美的融合而感知外界事物的；(2)人类还可以根据需要不断调整自己的感官，使得人的感官对于不同时空范围内发生的物理现象能采用不同的精度来测量、获取和提炼。以上述两点作为选题切入点，.本文针对多传感器信息融合理论及其在模式识别尤其在图像数据的融合和识别中的应用等问题进行了探索性的研究，其基本观点是：模式特

2、征的提取和模式的分类等同于传感器的信息获取、处理以及判决过程；通过多分辨率的特征提取和多传感器信息融合可以有效地提高机器识别的识别率和可靠性。本文首先对多传感器信息融合理论的发展和研究现状作了较深入的探讨，^然后鉴于图像分割和多传感器图像的融合是机器视觉研究领域中的两项重要而且也是十分困难的研究内容，提出了一种融合了图像的小波分析及髙斯一马尔可夫随机场模型的图像局部特征提取方法，通过采用改进的FCM算法对图像的局部结构特征集进行模糊聚类分析从而完成了图像的分割，取得了较好的效果，表明上述的特征抽取方法保持了原始图像的某种拓扑性；在此基础上，提出了一种基于图像局部结构特征相似性测度以

3、及局部变化一致性约束的边缘图像融合算法，实验表明，这种融合方法具有较好的鲁棒性，受噪声的影响较小。在对目前一些较为有效的图像鉴别特征作了详细分析的基础上，本文提出了基于小波分析的人脸图像小波矩特征抽取方法，并对人脸图像小波矩特征的几何不变性、模式鉴别能力和统计相关性进行了研究，提出了一种融合了统计、模糊理论各自优点的鉴别特征初步选取法和一种基于奇异值分解的K-L变换的特征选取方法，实验表明，通过依次采用这两种方法所选取的特征具有分类能力强、相关性小的特点。接着本文提出了一种基于统计学习理论的信息融合方法，其基本观点是将信息融合问题看作学习问题，通过对过去融合样本数据的学习，从某个函

4、数空间中寻找最佳的融合规则，其特点是学习过程中能兼顾结构风险最小化和经验风险最小化这两者的要求。本文还提出了一类基于SVM方法的多传感器决策级信息融合模型，并对该模型的学习样本数进行了讨论，其结论是：在均方误差最小的意义下，基于向量空间的学习所需的样本数是融合函数空间维数的线性函数。最后分别用最小距离分类器、最近邻距离分类器、最大相关分类器和径向基函数神经网络分类器对ORL人脸图像库、ConcordiaUniversityCENPAMI手写体数字数据库进行融合识别实验，实验表明：基于SVM方法的融合识别n摘要2001年5月错误率要小于常用的投票法、计数法组合识别的错误识别率，错误识

5、别率分别达到2.6%和2.9%,这个结果和目前在这两个数据库上的最好实验结果是一致的。关键词：信息融合，模式识别，小波分析，统计学习理论，SVM，结构风险最小化，经验风险最小化，特征提取，KL变换，人脸识别，图像分割IVABSTRACT2001年5片ABSTRACTIntelligencemechanizationandmachineintelligenceareimportantaspectsinthecurrentdevelopmentofscienceandtechnology-Patternrecognitionhasbeenconsideringasthekernelof

6、intelligence,It*stargetistoenablemachinetopossessthefollowingpowerofhumanbeings：syntheticallyanalyzing，automaticallyclassifyingandautomaticallyrecognition.Agreatdealofresearchindicatesthat：(1)humanbeingsensestheenvironmentinthevirtueoffusioninformationformdifferentsensorsinganglia；(2)humanbein

7、gcanregulateitssensoryorganstosensedifferentspatio-temporaleventsatdifferentprecision.Groundonthetwoaspects,someappliedresearchiscompletedinthedissertationonmulti-sensorinformationfusiontheoryandpatternrecognitionespeciallyapplicationso