结合机器学习的集成型图象理解系统的研究

综合应用了人工智能、计算机视觉以及有关的数学理论，提出了一个确定分割算法性能指标的规则，并据此建立了一种基于知识的依赖于目标在图象上的面积与形状因素的指标评估方法。根据不同听光照和成象模型，定性研究了对单目与立体图象进行图象理解时解的存在性和唯一性，形成了比较系统的理论，为将灰度知识与传统方法相结合并用于图象理解提供了依据。提出了遗传学习与人工神经网络学习相结合的方法，针对三维序列图象目标搜索的应用，还指出了基准图亚象元特征检测与匹配定位高为精度度量相结合的策略，从而减少了系统陷入局部最小值的概率，加快了收敛的速度，提高了系统的匹配精度和适应性。