信息融合在模式识别中的应用研究.pdf
![资源得分’ title=](/images/score_1.gif)
![资源得分’ title=](/images/score_1.gif)
![资源得分’ title=](/images/score_1.gif)
![资源得分’ title=](/images/score_1.gif)
![资源得分’ title=](/images/score_05.gif)
《信息融合在模式识别中的应用研究.pdf》由会员分享,可在线阅读,更多相关《信息融合在模式识别中的应用研究.pdf(70页珍藏版)》请在得力文库 - 分享文档赚钱的网站上搜索。
1、信息融合在模式识别中的应用研究 摘要 多传感器信息融合技术是智能信息处理领域中的一个研究热点。从多传感器视角观察待识别模式能够完整准确的反映模式特征,消除观察信息的不确定性,因此,基于信息融合的模式识别方法己成为模式识别的发展趋势之一。目前信息融合在模式识别的应用主要在特征层和决策层展开。本文围绕信息融合技术的理论基础和应用问题,从特征层融合和决策层融合的角度入手,对信息融合应用于模式识别进行了研究。首先,提出一种特征层融合模式识别的方法,定义“特征融合系数”对多传感器视角观察模式所得的不同特征进行融合,通过对不同特征赋以不同的特征融合系数,将多特征进行融合,得到待识别模式的融合特征,从而实现
2、特征层融合。其次,在决策层融合的理论框架下,对D-S证据理论应用于模式识别进行了词论,针对其在实际 应用中各证据体的 基本概率赋值难于获取的问 题,以 神经网络分类器的输出为基础获取分类不确定性的基本概率赋值,并以此作为分类、决策的依据。再次,在决策层融合的理论框架下,针对模糊逻辑方法在实际应用中存在现有推理方法计算过于简单,容易丢失大量有用信息的问 题,采用 D-S 证据理论进行模糊推理,并模拟生物大脑的“注意”功能对重要程度不同的规则以不同的对待。最后,引入基于指纹方向 场和手形特征的多模态生物特征识别实验对上面的决策层融合识别方法进行验证,为信息融合在模式识别方法中的实用化做出一点探索。
3、关键词:信息融合 模式识别 模拟退火 D-S 证据理论 模糊理论 多模态生物特征识别R e s e a r c h o n t h e A p p l i c a t i o n s o f I n f o r ma t i o n F u s i o n i n P a t t e r nR e c o g n i t i o n P r o b l e mAbs t r a c t Mu l t i s e n s o r i n f o r m a t i o n f u s i o n i s a h o t s p o t i n t h e f i e l d o f i n t
4、e l l i g e n t i n f o r m a t i o np r o c e s s i n g.B e c a u s e o b s e r v i n g p a t t e r n s t o b e r e c o g n i z e d fr o m m u l t i p l e s e n s o r s c a nw e l l a n d t r u l y r e fl e c t t h e f e a t u r e s o f t h e m,e l i m i n a t e t h e u n c e rt a i n t y o f t h e
5、i n f o r m a t i o n.P a t t e r n r e c o g n i t i o n m e t h o d s b a s e d o n i n f o r m a t i o n f u s i o n h a v e a l r e a d yb e e n o n e o f t h e d e v e l o p m e n t t r e n d s o f p a t t e rn r e c o g n i t i o n f i e l d.A t p r e s e n t,m u l t i s e n s o r i n f o r m
6、a t i o n f u s i o n i n p a tt e rn r e c o g n i t i o n i s m a i n l y a p p l i e d i n f e a t u r el e v e l a n d d e c i s i o n l e v e l.I n t h i s t h e s i s,c e n t e r i n g o n t h e t h e o r e t i c a l f u n d a m e n t a l a n d a p p l i c a t i o n o fm u l t i s e n s o r i
7、n f o r m a t i o n f u s i o n t e c h n o l o g y,t h e a p p l i c a t i o n s o f i n f o r m a t i o n f u s i o n i np a t t e r n r e c o g n i t i o n i s d i s c u s s e d f r o m t h e a n g l e o f f e a t u r e l e v e l f u s i o n a n d d e c i s i o nl e v e l f u s i o n.F i r s t,a
8、n e w m e t h o d o f f e a t u r e l e v e l f u s i o n p a tt e rn r e c o g n i t i o n i s p r e s e n t e d.F e a t u r e F u s i o n C o e f f i c i e n t s a r e d e f i n e d t o f u s e t h e f e a t u r e s e x t r a c t e d fr o m d i ff e r e n tv ie w o f m u lt i p le s e n s o r s.B
9、y e v a lu a t in g d iff e re n t f e a tu r e f u s io n c o e f f ic i e n t s t od i ff e r e n t f e a t u r e s,w e c a n g e t t h e f u s i o n f e a t u r e o f t h e p a t t e rn t o b e o b s e r v e d.T h u s,f e a t u r e:l e v e l f u s i o n p a tt e rn r e c o g n i t i o n c a n b e
10、 r e a l i z e d.a p pS e c o n d,i n t h e t h e o r e t i c a l fr a m e w o r k o f d e c i s i o n l e v e l f u s i o n,w e d i s c u s s t h el i c a t i o n s o f D-S e v i d e n c e t h e o ry i n p a tt e r n r e c o g n i t i o n.I n o r d e r t o s o l v e t h eq u e s t i o no f o b t a
11、i n i n g t h e b a s i c b e l i e f a s s i g n m e n t o f e a c h e v i d e n c e i n t h e p r a c t i c a la p p l i c a t i o no f D-S t h e o ry i n p a tt e r n r e c o g n i t i o n,w e u s e n e u r a l n e t w o r k t o o b t a i n t h eb a s i c b e l i e f ass i g n m e n t s o f t h e
12、 u n c e rt a i n t i e s i n c l a s s i f i c a t i o n T h i r d,i n t h e t h e o r e t i c a l f r a m e w o r k o f d e c i s i o n l e v e l f u s i o n,i n o r d e r t o s o l v e t h ep r a c t i c a l p r o b l e m s o f f u z z y l o g i c t h a t t h e e x i s t i n g r e as o n in g m e
13、 t h o d i s t o o s i m p l e i nc a l c u l a t i o n t o p r e s e r v e l o t s o f u s e f u l i n f o r m a t i o n,w e a p p l y D-S t h e o r y t o f u z z yr e a s o n i n g.I n a d d i t i o n,w e s i m u l a t e t h e A tt e n t i o n Me c h a n i s m f u n c t i o n o f h u m a nb r a i
14、n t o t r e a t d i ff e r e n t r u l e s i n d i ff e r e n t w a y s.A t l a s t,i n o r d e r t o f u r th e r e x p l o r e t h e p r a c t i c a l i ty o f f u s i o n p a t t e rn r e c o g n i t i o n,w e u s e m u l t i m o d a l b i o m e t r i c s,w h i c h i s b ase d o n f i n g e r p r
15、 i n t a n d h a n d g e o m e t r y t ov a l i d a t e t h e a v a i l a b i l i t y o f t h e t h i r d m e t h o d.K e y w o r d s:i n f o r m a t i o n f u s i o n,p a tt e rn r e c o g n it i o n,s i m u l a t e d a n n e a l i n g,D-Se v i d e n c e t h e o ry,f u z z y t h e o ry,m u lt i m o
16、 d a l b i o m e t r i c s独 创 性 声 明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。据我所知,除了文中 特别加以 标注和致谢的地方外,论文中不包含其他人已 经发表或撰写过的研究成果,也不包含为获得合肥工业大学或其他教育机构的学位或证书而使用过的 材料。与我一同卜 _ 作的同志对本研究所做的任何贡献均已 在论文中作了明 确的说明乡 卜 表示谢意。学 位 论 文 fl-.A 1-?,:竭签 字 日 期:2 砂年 多 月4 日学位论文版权使用授权书 本学位论文作 者完全了 解-宣胆T E 人T-有关保留、使用学 位论文的 规定,有 权保留
17、并向国家有关部门或机构送交论文的复印件和磁盘,允许论文被查阅和借阅。本人授权 宣可以 将学位论文的全部或部分内 容编入有关数据库进行检索。可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。(保密的学位论文在解密后适用本授权书)学 位 论 文 作 者 签 名:1 4导师签名;签 字 日 期:g oo f 年 多 月 2g/Fi签 字 日 期;2 讲年 J月,日学位论文作者毕业后去向:卜 作单位:通讯地址:电话:邮编:致谢 转眼间,研究生生涯即将结束。回顾这两年多的生活,无论是在学术上还是在做人上,实在是获益良多,受益匪浅。这一切都是老师的教诲和同学的帮助的结果,在这坐向他们致以深深的谢意。h
18、-先我要感谢的是我的导师高隽教授。近三年来的研究生生涯里,高老师作为一位优秀的学者和老师,在学术上,用他渊博的学识和开阔的眼界来指导着 我 科 研 的 方 向,绝 握 学 术 的 前 沿。高 老 师 的 每 一 次 谆 谆 教 导,论 文 上 的 每 一个微小批注,都是我前进的基石。也正因为如此,我的毕业论文才能够得以慢1漫 成文。生活上,高老师更是以自己独特的方式给予了我无微不至的关怀。在高老师这两年多的关怀与帮助下,我懂得了如何以开朗的心情、轻松的状态去完成枯燥的工作。让我真真切切地感受到了工作中的乐趣。这所有的一切,将使我的一生受益匪浅。在此,我要真心感谢高老师为我所做的一切,我将永记在
19、心!特别感谢潘孟贤教授!无论是授业解惑,还是对我论文的审阅,都让我获益匪浅,领略到一 个学者的风范。作为图 像信息处理研究室的 成员,图 像室的其他成员对我的学习和生活给予无私的帮助。首先感谢骆样峰博士、胡良 梅老师和王安东师兄给予我在学习上的启迪和帮助;感谢董火明、曹薇、赵晶、张开银在学习和工作上的帮助;还要感谢2 0 0 2 级和2 0 0 3 级师弟师妹们给予我的帮助。两年多来,与他们的相处使我学会很多东西。感谢其他所有帮助与指导过我的老师和同学。最后要特别感谢我的父母在这二十多年来所给予我的无尽的关怀与支持,是他们在背后默默的支撑着我,鼓舞我前进,是他们给了我所拥有的一切。谨以本文献给
20、我最敬爱的父母,以及一路陪我走过来的师长、朋友,愿将方帽下的荣雄与你们共享。胡勇2 0 0 4 年3 月于解兵塘畔第一章 序言1.1多传感器信息融合技术简介 多传感器信息融合技术(Mu l t i s e n s o r I n f o r m a t i o n F u s i o n,MI F)起源于上世纪 7 0年代初期。“融合”是指采集并集成各种信息源、多媒体和多格式信息,从而生成完整、准确、及时和有效的综合信息过程。多传感器信息融合技术研究如何结合多源信息以及辅助数据库的相关信息以获得比单个传感器更精确、更明确的 推理结果 1-4 1。它对来自 多个传感器的 数据进行多级别、多方面、
21、多 层次的处理,从而产生新的有意义的信息,而这种新信息是任何单一传感器所无法获得的5 1 其实,多传感器信息融合的概念并不陌生。人类和动物早就在综合利用多种感官来提高生存能力。比如,如果只凭视觉或触觉就很难判断食物的好坏,但是结合视觉、触觉、味觉、嗅觉等多种感官就可以很好的判断。相似的,我们的视觉范围也有限,不可能看到周围的一切,或是透过树木等障碍物。但是结合听觉就可以提前感知潜在的危险。由此看来,动物和人类早就开始利用多传感器信息融合来获得对周围环境及其危险辨识的更精确的估计,从而提高生存的机会。信息融合技术综合了多种传统的学科,主要包括数字信号处理、统计估算、控制理论、人工智能和经典数学方
22、法等等。多 传感器信息融合原则上比单个数据源更有优势。除了具有结合同源数据的统计优势外,多种类型的传感器还能提高观测的精度。比如用雷达和红外图像传感器同时观测一架飞机,雷达能精确判断飞机的距离,但是不能确定它的角方向.相反的,红外成像传感器能精确判断飞机的角范围,但不能测量距离。有效地结合这两种传感器数据就能得到比 从任何单个传感 器更 精 确的定 位6 1 信息融合技术为分析、估计和校准不同形式的信息,适应海量数据处理的需要,同时 利用这些信息正 确反映实 际 情况提供了 可能。其技术优势表现为 l.(1)可扩展系统的时间和空间 覆盖范围;(2)可增加系统的信息利用率;(3)可提高经融合的信
23、息的可信度和精度:(4)可增强对日 标物的检测与识别能力;(5)可降低系统的 投资。信息 融 合的 这 些 优点 使 其 在 军 事、工 业:医 学、交 通 和 金 融 等 领 域 得 到了广泛的应用4-5 7-1 0 1。信息融合技术最初发展于军事应用,但是,近年来,这些方法已广泛用于民事应用,而且这两个方向都在不断发展。另外,各种信息融合组织以及相关的年会也为它的应用和技术提供了广泛和深入的研讨。目前,多传感器信息融合技术己经获得了普遍的关注和广泛的应用,其理论与方法己成为智能信息处理的一个重要研究领域。军事领域的应用主要包括:自 动目 标识别、自 动导 航、遥感、战 场监视和自 动 危险
24、识别 系统4 8-9 1,如敌我 辨识系统 (i d e n t i f i c a t i o n-f r i e n d-f o e-n e u t r a l,I F F N)。民 事领域应用主要有工业过程监视、精密仪器的维护、机器 人、图 像分析与理 解以 及医学应用 I P 14-6 1 4-1 5 等。目 前多传感器信息融合的应用热点主要包括:模式识别、图像处理、工业控制等。虽然信息融合的应用研究己是如此广泛,但是信息融合问题本身却至今仍未形成基本的理论框架和有效的广义融合模型及算法。1.2信息融合的层次结构 多传感器信息融合与经典信号处理方法之间存在本质的区别,其关键在于信息融合
25、所处理的多传感器信息具有更为复杂的形式,而且可以在不同的信息层次上出现。按照融合过程中信息抽象的层次,可以将信息融合过程分为三个层次,即数据层(D a t a L e v e l)融合、特征层(F e a t u r e L e v e l)融合和决策层(D e c i s i o nL e v e l)融合3-4 6 1 8-9 1。它们各有优缺点以 及适用范围。如果传感器数据相匹配 (两个传感器测量的是相同的物理现象,如它们都是图像传感器或声学传感器),那么原始传感器数据就能直接在数据层进行融合。相反的,如果传感器数据不匹配,数据就要在特征层或决策层进行融合。值得注意的是,要避免一种错误认
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 信息 融合 模式识别 中的 应用 研究
![提示](https://www.deliwenku.com/images/bang_tan.gif)
限制150内