《基於認知模型的圖像不變性特徵理論和關鍵技術》是依託蘇州大學，由李凡長擔任項目負責人的重點項目。
基本介紹
- 中文名：基於認知模型的圖像不變性特徵理論和關鍵技術
- 項目類別：重點項目
- 項目負責人：李凡長
- 依託單位：蘇州大學
項目摘要,結題摘要,
項目摘要
本項目是一個集人腦認知、圖像處理、計算機視覺、模式識別和機器學習等領域的交叉研究方向。在過去幾十年里，圖像不變特徵得到了研究者們廣泛關注，該課題已成為計算機視覺和圖像處理及機器學習等領域的一個研究熱點和難點。本項目的主要目標是基於人腦認知機理，探索高效的、普適性高且計算複雜度低的圖像不變性特徵分析的新理論與新方法。其內容包括：（1）研究人腦對圖像的李群認知理論；（2）研究基於人腦認知模型的圖像尺度空間分析技術及理論框架；（3）研究基於人腦認知模型的圖像顏色的光照估計算法；（4）研究基於人腦認知模型的圖像顏色不變性描述子提取方法。通過該項目研究不僅能產出一批有影響的學術成果，更重要的是能培養出在國際上有競爭力的占領該領域制高點的學術團隊。因此，開展該項目研究對提升我國在該領域的國際地位將具有重要戰略意義。
結題摘要
人腦認知圖像是一個非常複雜的過程，人腦處理圖像既快又準。目前的科學技術無法使得計算機像人腦一樣高效地處理和認知圖像。本項目的主要研究內容是基於人腦對圖像的認知機理，構建能夠充分反映圖像整體和局部屬性的不變性特徵，創建圖像認知新理論，實現對圖像的高效認知和理解。經過4年研究，取得的成績包括： 1、提出了李群機器學習理論新框架，並取得了多項成果，包括：李群機器學習模型、李群機器學習子空間軌道生成算法、李群覆蓋學習算法、李群核學習算法、李群半監督學習算法、李群深層結構學習算法、量子群學習算法、張量學習算法、纖維叢學習算法、標架叢上的聯絡學習算法、譜估計學習算法、Finsler幾何學習算法、同調邊緣學習算法以及範疇學習算法等。 2、提出了“模型+分析”的深度認知互補模型理論框架，將其套用於顏色分析，取得了多項成果，包括：一種多光照顏色恆常性算法、一種多光照顏色恆常性算法的性能評價標準及顯著性分析方法等，為圖像在多光照條件下的顏色恆常性計算和圖像顏色不變性描述子提取提供了新方法。 3、提出了圖像不變多尺度特徵的動態模糊分析方法，取得了多項成果：包括：動態模糊二階邏輯，動態模糊代數語義模型，動態模糊操作語義模型，動態模糊層次關係學習等，為解決圖像多尺度不變特徵之間存在的動態模糊性問題提供了新的理論基礎。 4、在項目實施過程中，發表學術論文70篇，其中SCI收錄33篇，發表在ACM Trans.2篇、IEEE Trans.8篇、Elsevier系列期刊 17篇，其它SCI論文6篇，其他SCI論文6篇，EI收錄23篇；出版學術專著3部（“李群機器學習”為國內外首次出版的第一部專著）；獲江蘇省科學技術獎二、三等獎各1項，獲IEEE CS GRC Pioneer Award國際學術獎1項（全球共3人獲獎）；申請國家發明專利27項，已授權5項；申請成功“交通數據與數據挖掘”北京市重點實驗室；“機器學習與認知軟體”團隊2012年評為蘇州大學創新團隊，引進了5名青年教師加人本團隊，團隊1名成員2014年獲江蘇省傑青；培養博士後6名（出站2名）；培養博士20名（畢業5名，評為2013年北京交通大學優秀博士論文1篇）；培養碩士49名（畢業25名，評為2014年蘇州大學優秀碩士論文1篇）；承辦國際學術會議2次，出國參加國際學術會議20人次；邀請1名國外專家連續3年到本團隊每年訪問3個月。
