交互协作特征选择方法及其在立体视觉中的应用研究

特征选择是机器视觉、模式识别、数据挖掘等领域的重要研究内容。有监督特征选择已有一些较为成熟的方法，但半监督和无监督特征选择仍然存在许多问题亟待解决，特别是缺乏面向应用的特征建模方法，缺乏有效的特征评价方法。本项目拟在混合高斯框架下，结合应用效果反馈，对特征建模进行研究，建立面向应用的建模方法；在此基础上，借鉴特征融合思想，建立一种交互协作特征评价方法，该方法可以有效地避免现有特征评价方法相对特征数量和维数存在偏差的问题，并很好的适用于半监督和无监督特征选择；此外，对特征选择结果与应用环境间的关联性进行学习，达到根据环境特性自适应选择特征的目的；最后，将上述理论研究成果应用到立体视觉图像特征选择中，构建一套能够自适应选择匹配特征的双目机器人导航系统。本项目的研究成果，将为半监督和无监督模式识别、机器学习等领域提供有效的特征选择解决方案。

通过开展本项目的研究工作，在鲁棒图像特征提取以及立体视觉匹配中的特征选择方法方面，取得了丰硕的成果。首先，提出了一种新的图像局部纹理特征描述方法，平均累积二值模式，该模式对图像中的噪声不敏感，并对光照强度变化、光源配置变化、曝光强度、相机性能差异等辐射变化具有鲁棒性，能够提高立体匹配算法的性能；其次，结合图像的本质属性（图像梯度）以及不同特征的实际匹配效果，构建了训练立体匹配特征选择分类器的训练集，应用逻辑回归算法，并施加稀疏性约束，采用一对其他的策略，应用梯度下降法训练了适用于立体匹配特征选择的多类分类器；再次，将特征选择结果进行交互协作，获得了最终的立体匹配代价计算，主要包括了多尺度Census特征和颜色特征之间的相互协作，此种图像局部几何分布特征与颜色特征的协作，大大提高了立体匹配视差计算的精度；最后，图像梯度特征应用于特征选择中作为图像属性参考，提高了所得图像特征选择结果的泛化能力。在成果方面，项目研究人员发表了9篇研究论文，其中包括3篇国际期刊论文（SCI检索），2篇中文期刊（EI检索），2篇国际会议论文（EI检索），2篇国际会议论文（EI检索源）；申请了3项国家发明专利；3名课题组的研究生已经顺利毕业，其中包括1名获得工学博士学位，2名获得工学硕士学位。此外，还有5篇已投稿正在审稿过程中的国际期刊论文。