形狀的語義結構表示及其分類學習研究

《形狀的語義結構表示及其分類學習研究》是依託重慶大學，由張小洪擔任項目負責人的面上項目。

基本介紹

• 中文名：形狀的語義結構表示及其分類學習研究
• 項目類別：面上項目
• 項目負責人：張小洪
• 依託單位：重慶大學

中文摘要

從形狀底層特徵到形狀高層語義的映射，跨越形狀認知的語義鴻溝是計算機視覺領域的一個具有挑戰性的前沿科學問題。本項目利用形狀特徵檢測、描述和圖像語義的已有研究成果，提出了一種獲取形狀語義結構化表示的統計學習研究架構，以實現計算機對形狀的高層語義認知能力。研究內容包括：形狀特徵的尺度空間行為和穩定性；形狀局部特徵的表示；高維局部特徵描述空間的特性及其低維子空間的構造方法；形狀單詞在形狀語義空間中的分布特徵和語義映射學習框架；基於形狀語義表示的分類特徵。本研究既有理論上的重要意義，更有廣闊的套用前景。在理論方面，通過模擬人類視覺系統在顯著特徵、部分形狀和空間位置關係等方面的認知特性，揭示統計學習方法在形狀視覺認知方面的特性，並有望建立一種以統計學習為基礎的新的形狀分類識別理論體系。在套用方面，通過統計學習技術提升機器的視覺感知能力，為機器實現更高的智慧型視覺感知提供技術保障。

結題摘要

形狀描述、推理和理解仍然是計算機視覺與模式識別領域一個極具挑戰性的熱點問題。為跨越形狀認知的語義鴻溝，本項目研究了形狀特徵的尺度空間行為和穩定性，形狀局部底層特徵的表示和描述，高維局部特徵描述空間的各種特性及其低維子空間的構造方法，形狀單詞在形狀語義空間中的分布特徵和語義映射學習框架等內容，得到了角點的輪廓拉普拉斯尺度空間行為理論、基於Chebyshev多項式擬合的連續曲率估計方法、基於弧長的角度估計方法、基於二維非負偏最小二乘方法的的圖像特徵提取方法、基於非負矩陣分解的圖像特徵提取算法、形變物體的相似性度量圖嵌入匹配方法、基於稀疏圖的直推算法、基於形狀信息的特徵提取方法、基於稀疏表示的圖像特徵提取方法、判別超拉普拉斯投影算法、基於局部保留映射的子空間學習方法、類特定稀疏表示方法、基於形狀語義稀疏表示的形狀分類框架、骨架模型的自動化構建及薄板樣條擬合方法等研究成果。本項目提出的形狀分類框架有效地建立了形狀底層特徵與語義間的映射關係。本項目取得的成果已經總結並發表在TPAMI、IEEE Signal Processing Letters、Neurocomputing、CVPRW 2014、ICMEW 2014、自動化學報等重要期刊或會議上，總計論文15篇，其中SCI檢索12篇，EI檢索14篇。綜上所述，本項目的研究不僅具有理論意義，而且具有廣闊套用前景。