1、精選優質文檔-傾情為你奉上基于圖像分塊算法的遮擋物體識別摘要：提出了一種新的計算特征圖像的主成分分析方法，該方法被稱為圖像分塊算法。在此方法中，目標被表示為特征和它們相對位置（稱為拓撲）的集合，這是一種局部和全局算法。當把這種方法用于解決遮擋問題時，可以發現這種方法得到的圖像表示效果比傳統的主成分分析方法得到的圖像表示效果更好。同時，一種基于這個新的圖像表示的簡單圖像識別算法也被提出，并進行了大量實驗。實驗表明，這種新方法對于帶有53%遮擋部分的圖像仍然有95%以上的識別率。關鍵詞：圖像表示；遮擋；目標識別；主成分分析中圖分類號：tp391 文獻標識碼：a 文章編號：1009-3044（201

2、3）03-0586-04遮擋在實際生活中是一種普遍現象。當一個物體被另一個物體部分遮擋時，被遮擋的物體很難被識別（顯然當物體絕大部分被遮擋時，由于不能得到該物體足夠的可用信息，所以不能識別）。根據物體的局部特點，遮擋并不僅僅只包括其他物體的遮擋，也包括陰影和反射強光等現象。目前，在計算機圖像識別系統中，傳統的主成分分析方法仍然被大量使用。主成分分析法可以被用于非常復雜的目標的識別，例如人臉1-4等。但是幾乎所有基于主成分分析的視覺系統在識別目標時都把目標做為一個整體看待，這就導致其無法對于帶有遮擋的圖像進行有效的識別。在本文中，一種新的方案將用于計算特征圖像，并且提出了新的圖像識別算法，即圖像

3、分塊算法。具體辦法是將一幅圖像看作是由許多小的類似于馬賽克塊的分塊圖像組成的，而在基于特征的圖像識別方法中，整幅圖像可以被看作是由許多特征和特征之間的相對位置構成的，這種特征表示方法既是局部的又是全局的。這里進行了大量的實驗來研究這種新的特征表示方法以及基于該特征表示方法的新的圖像識別方法。實驗表明，這種新的特征表示方法在圖像識別中比傳統的特征表示方法更有效。而當這種新的特征表示方法用于圖像識別領域時，該方法對于帶有53%遮擋部分的圖像仍然有95%以上的識別率。本文組織結構如下：在第二段中，分析了遮擋對于傳統主成分分析法的不利影響并回顧相關工作；第三段提出了本文的圖像分塊方法及其優勢；第四段給

4、出了相關實驗證明；第五段是總結和未來工作展望。1 傳統的基于pca的圖像識別算法在解決帶有遮擋的物體識別時所存在的問題在傳統基于pca5的視覺系統中，將圖像作為整體處理并通過處理相應的特征系統來產生特征圖像。此時，協方差矩陣中的每個元素表示圖像中某兩個像素之間的相互關系，換言之，要計算每一個主成分都需要分析圖像中每對像素的相互關系。這不僅使計算耗費巨大，而且這種方法容易受到遮擋的影響。此外，在這種方法中很難證明圖像中每一個像素和其他像素的聯系是否對解決問題有幫助。2 基于圖像分塊算法的圖像表示和識別研究表明在基于特征的物體識別算法中特征是一種局部特性，這種局部特性僅僅取決于小的鄰近像素區域。所有特征的相對位置可以給出物體的整體拓撲結構。將這種觀點應用于主成分分析中并給出局部像素的相關性，這就是圖像分塊方法（如圖1所示）。在圖像分塊方法中，圖像被分割成低維的小塊圖像，通過計算這些低維的小塊圖像的局部相關性得到局部特征向量，并將這些局部特征向量按照分塊圖像的相應位置排列。許多光學現象本質上都是局部遮擋。如果遮擋之后一些主要特征仍然存在，該目標就仍然可識別（圖2）。強光反射同樣是一種局部現象，通常情況下，物體中僅有一部分反射強光，而在剩余的大部分中，強光會被忽略。此外，投影也可以被看作是遮擋，因為投影會使物體表面產生劇