《多視圖像流形分析及套用》是依託北京航空航天大學，由張浩鵬擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：多視圖像流形分析及套用
- 依託單位：北京航空航天大學
- 項目負責人：張浩鵬
- 項目類別：青年科學基金項目
項目摘要,結題摘要,
項目摘要
視點變化問題是目標識別的難點問題之一，多視角目標識別是計算機視覺和模式識別等領域的研究熱點，在眾多實際領域套用廣泛。研究表明，物體的多視圖像存在於高維視覺描述空間中的低維流形上。從流形學習的角度研究多視角目標識別問題，符合人類視覺感知機制。然而，現有流形分析模型尚存在許多不足，比如沒有能準確描述視圖差異的專門特徵描述、對二維及三維視角變化的建模分析不深入、映射模型單一、求解方法效率不高、病態情況下視角估計結果不可靠等。本項目針對上述問題，重點研究多視圖像特徵表達與流形描述方法、多視圖像流形分析的建模和求解方法以及病態情況下基於序列圖像的視角估計方法，用以解決視點變化條件下的目標識別和視角估計問題。在理論研究的同時，面向天基空間目標識別和高解析度遙感目標識別兩個領域的國防需求，探討流形分析模型在具體領域解決三維目標識別和姿態估計的性能，為實際套用奠定理論基礎。
結題摘要
視點變化問題是目標識別的難點問題之一，多視角目標識別是計算機視覺和模式識別等領域的研究熱點，在眾多實際領域套用廣泛。研究表明，物體的多視圖像存在於高維視覺描述空間中的低維流形上。從流形學習的角度研究多視角目標識別問題，符合人類視覺感知機制。本項目重點研究多視圖像特徵表達與流形描述方法、多視圖像流形分析的建模和求解方法以及流形約束下的視角估計方法，取得的重要研究結果如下： 1、多視圖像的同胚流形描述 在視圖流形存在性已經得以證明的前提下，對包括圖像描述形式、數據量及數據分布、流形學習方法等在內的影響視圖流形學習的各種因素進行了全面分析，得出了在這些因素影響下視圖流形的變化規律，進而提出了多視圖像的同胚流形描述形式。 2、多視圖像流形分析的統計模型和深度學習模型建立與求解 多視圖像流形分析模型的核心是學習圖像特徵空間與流形嵌入空間之間映射關係。這個包含多個目標映射函式的映射關係需要準確描述不同目標的映射特性，為此，研究了映射學習的統計方法和深度學習方法，實現了在高斯過程和深度學習框架下的目標類別和視角求解，在空間目標和遙感圖像上解決套用問題的同時驗證了模型的有效性。 3、流形約束下的多視圖像目標視角/姿態估計 將同胚流形約束引入視角估計問題，從視圖流形變化的本質出發，提升視角估計結果，實現了基於接受函式模型的目標視角估計方法、在視圖流形約束下空間目標多視圖姿態估計和三維重建方法以及基於多視特徵匹配的空間目標姿態估計方法。 4、多視圖像流形分析套用技術 面向天基空間目標識別和姿態估計以及高解析度遙感目標檢測識別兩個套用領域的技術需求，提出了一系列多視圖像流形分析技術的套用解決方案，包括空間目標識別與姿態估計、遙感圖像目標檢測識別、空間目標三維重建與姿態估計等等。同時，針對進一步的空間目標多維信息提取需求，新增了三維部件提取方法的擴展套用研究，增加了多視圖像流形分析的套用深度和廣度。
