生物視覺啟發(fā)下的特征提取和目標分類方法研究.pdf

1、模式識別又常稱作模式分類，是指對表征事物或現象的各種形式的（數值的、文字的和邏輯關系的）信息進行處理和分析，以對事物或現象進行描述、辨認、分類和解釋，也是信息科學和人工智能的重要組成部分。探索人類完成模式識別任務的處理機制，來解決計算機完成高層視覺任務，目前這些是國際模式識別和計算機視覺領域的熱點問題。因此，本文選擇生物視覺啟發(fā)下的特征提取和目標分類研究具有重要的理論意義和實用價值。 本文在分析MIT Poggio等人提出的模擬

2、生物識別機制的算法模型原理的基礎上，詳細討論了生物視覺啟發(fā)下的特征提取和目標分類任務的設計和實現。主要的工作包括： （1）詳細介紹了靈長類生物視覺皮層的層次結構，以及對圖像信息的處理識別過程，描述了算法的結構和生物生理反應的過程和實現依據。 （2）針對目標分類任務，重點研究了生物視覺啟發(fā)下的特征提取和分類器設計。在特征提取方面，運用圖像處理算法模擬視覺皮層處理功能，對Gabor濾波器的研究現狀和發(fā)展狀況進行了詳細的研究。

3、由于二維Gabor函數能夠在時域和頻域同時達到局部最優(yōu)，同時具有良好的方向和頻率選擇特性。因此，本文實現了一種基于二維Gabor濾波器的識別方法；在分類器設計方面，由于支持向量機方法具有全局最優(yōu)、結構簡單、推廣能力強等優(yōu)點，特別適合于小樣本、高維特征的分類識別，因此選擇支持向量機作為分類器進行分類識別。 （3）描述模擬生物視覺皮層算法模型的軟件開發(fā)平臺及實現過程，介紹了模擬生物視覺皮層算法的基本數據結構和設計原理。詳細闡述了算法