基于自然图像结构统计性的物体识别方法研究

物体识别是人类视觉神经系统重要功能，对人类生存、生活具有重要意义，实现一般物体检测和识别方法是当前计算机视觉领域面临的巨大挑战。在已有视觉信息的脑机制和计算模型研究的基础上，本课题拟研究基于自然图像结构统计性的物体识别方法，首先研究海量、复杂的自然图像集合上无监督（或弱监督）的结构获取技术，包括物体结构模型的表示方法和结合自顶向下和自底向上二者优势的无监督结构推导方法，重点解决图像拍摄视角、图像中物体姿态（位置、平面内旋转、尺度）的不变性问题和结构推导中计算效率瓶颈问题，最后研究自然图像中物体类别相关的结构的统计规律及其物体识别方法中的应用。

物体识别是人类视觉神经系统重要功能，对人类生存、生活具有重要意义，实现一般物体检测和识别方法是当前计算机视觉领域面临的巨大挑战。在已有视觉信息的脑机制和计算模型研究的基础上，本课题研究基于自然图像结构统计性的物体识别方法，首先研究海量、复杂的自然图像集合上无监督（或弱监督）的结构获取技术，包括物体结构模型的表示方法和结合自顶向下和自底向上二者优势的无监督结构推导方法，重点解决图像拍摄视角、图像中物体姿态（位置、平面内旋转、尺度）的不变性问题和结构推导中计算效率瓶颈问题，最后研究自然图像中物体类别相关的结构的统计规律及其物体识别方法中的应用。