信息融合理论及其在模式识别中的应用研究毕业论文.doc

n摘要2001年5月摘 要智能的机器化和机器的智能化是目前科学技术发展的一个重要方向。模式 识别一直被认为是智能的核心部分，其研究宗旨是使得机器具有人类那样的综 合分析、自动分类判断能力并能完成自动识别任务。大量实践表明，（1)人类 是通过神经中枢对来自不同传感器的信息进行完美的融合而感知外界事物的；(2) 人类还可以根据需要不断调整自己的感官，使得人的感官对于不同时空 范围内发生的物理现象能采用不同的精度来测量、获取和提炼。以上述两点作为选题切入点，.本文针对多传感器信息融合理论及其在模式 识别尤其在图像数据的融合和识别中的应用等问题进行了探索性的研究，其基 本观点是：模式特征的提取和模式的分类等同于传感器的信息获取、处理以及 判决过程；通过多分辨率的特征提取和多传感器信息融合可以有效地提高机器 识别的识别率和可靠性。本文首先对多传感器信息融合理论的发展和研究现状作了较深入的探讨， 然后鉴于图像分割和多传感器图像的融合是机器视觉研究领域中的两项重要而 且也是十分困难的研究内容，提出了一种融合了图像的小波分析及髙斯一马尔 可夫随机场模型的图像局部特征提取方法，通过采用改进的FCM算法对图像 的局部结构特征集进行模糊聚类分析从而完成了图像的分割，取得了较好的效 果，表明上述的特征抽取方法保持了原始图像的某种拓扑性；在此基础上，提 出了一种基于图像局部结构特征相似性测度以及局部变化一致性约束的边缘图 像融合算法，实验表明，这种融合方法具有较好的鲁棒性，受噪声的影响较小。在对目前一些较为有效的图像鉴别特征作了详细分析的基础上，本文提出 了基于小波分析的人脸图像小波矩特征抽取方法，并对人脸图像小波矩特征的 几何不变性、模式鉴别能力和统计相关性进行了研究，提出了一种融合了统计、 模糊理论各自优点的鉴别特征初步选取法和一种基于奇异值分解的K-L变换 的特征选取方法，实验表明，通过依次采用这两种方法所选取的特征具有分类 能力强、相关性小的特点。接着本文提出了一种基于统计学习理论的信息融合方法，其基本观点是将 信息融合问题看作学习问题，通过对过去融合样本数据的学习，从某个函数空间中寻找最佳的融合规则，其特点是学习过程中能兼顾结构风险最小化和经验 风险最小化这两者的要求。本文还提出了一类基于SVM方法的多传感器决策级信息融合模型，并对 该模型的学习样本数进行了讨论，其结论是：在均方误差最小的意义下，基于 向量空间的学习所需的样本数是融合函数空间维数的线性函数。最后分别用最小距离分类器、最近邻距离分类器、最大相关分类器和径向 基函数神经网络分类器对ORL人脸图像库、Concordia University CENPAMI 手写体数字数据库进行融合识别实验，实验表明：基于SVM方法的融合识别 错误率要小于常用的投票法、计数法组合识别的错误识别率，错误识别率分别 达到2.6%和2.9%,这个结果和目前在这两个数据库上的最好实验结果是一致 的。关键词： 信息融合，模式识别，小波分析，统计学习理论，SVM，结构风险最小化，经验风险最小化，特征提取，KL变换，人脸识别，图像 分割IVABSTRACT2001年5片ABSTRACTIntelligence mechanization and machine intelligence are important aspects in the current development of science and technology- Pattern recognition has been considering as the kernel of intelligence, It*s target is to enable machine to possess the following power of human beings： synthetically analyzing，automatically classifying and automatically recognition. A great deal of research indicates that：(1) human being senses the environment in the virtue of fusion information form different sensors in ganglia； (2) human being can regulate its sensory organs to sense different spatio-temporal events at different precision.Ground on the two aspects, some applied research is completed in the dissertation on multi-sensor information fusion theory and pattern recognition especially applications on image fusing and image recognition. The basic viewpoints of this dissertation are： features abstracting and pattern classifying are functionally equal to the process of information acquiring n processing and decision making of physical sensors ； the recognition rate and reliability can be impioved in the virtue of multiresolution features abstracting and multi-sensor information fiision*First of alU the development and present situation of information fusion theory are discussed, then a new method of features abstracting based on the wavelet analyzing and GMRF mode is presented, segmentation is implemented via fuzzy partition in the feature set with the QFCM algorithm, the effectiveness is tested by the experiments* The experiments show that above-mentioned method conserves the topology of the original images； On the basis of these, a fusion approach of edge images based on the similarity of local structure features and subjected to local homo-variability is put forward* the robustness of the method are tested by simulations.On the basis of thorough investigation of some effective discriminative features of face image, an approach for feature extracting based on the wavelet analyzing of face image is offered, the geometrical in-variability pattern discriminability and statistical correlation of the wavelet moments are studied, then a method for selection of discriminative features is put forward, the method consists of following two steps： those primary discriminative featAes are selected by an approach combing the virtues of statistics and fuzzy theory? then a selection algorithm based on the K-L transform is carried out on these selected features,Xexperiments show that these resultant features are in possessing of powerful discriminability and little correlation.Based on the theory of statistical study, this dissertation also proposes a riew information fusion method, the important viewpoint of the method is taking information fusion as a study problem* we may search for an optimal fusing rule in a certain function space via studying from previous samples, this method seeks a fusion rule which can minimize structure risk and empirical risk simultaneously* For multi-sensor decision-level information fusion a fusion model based on SVM is proposed，and the number of study samples are studied in the sense of LSE, the number of study samples is the linear function of the dimension of fusion function space,At last, this paper proposes three kinds of multi-feature and multi-classifier fusion methods with the nearest-distance classifier s the neai-neighbor distance classifier n maximum correlation classifier and the RBF neural network classifier recognition experiments are performed on ORL face database and Concordia University CENPARMI handwritten digit database. Experiments show that the error recognition rates of the method based on SVM are lower than those of the polling method and the counting method, the error recognition rates on ORL face database and the handwritten digit database are 2.6%、2.9% respectively, whish are the best results up to now on the two databases.Key words： information fiision, pattern recognition, wavelet analysis* statistical study theory，structure risk minimization，empirical risk minimization, SVM，feature extract, K-L transform, face recognition, image segmentation.1 绪论U问题的提出人类的信息活动可以抽象为：获取数据、提取有用信息、上升为知识和决 策控制等几个阶段fl_2、例如，人类通过各种感官（眼、耳、鼻和手等）来获 取各种数据（如图像、声音、气味和触觉等），然后根据先验知识对这些数据 进行去伪存真、由表及里的处理过程以提取有用的信息，再将这些信息和知识 进行积累并总结信息之间的联系I从而上升为新的知识，并基于知识做出反应。 与此同时，人类还可以根据需要不断调整自己的感官，使得人的感官对于不同 时空范围内发生的物理现象能采用不同的精度来测量、获取和提炼。因此人类 的信息活动过程实际上是一种复杂的自适应反馈控制系统，正是这种复杂性和 自适应性才体现出人类所特有的智能。长期以来，人类一直在探索如何制造出能模拟人类智慧的机器，用它来代 替人的部分脑力劳动，以提髙人类征服自然的能力。电子计算机的出现使得人 类的这一梦想向现实走近了一大步，同时，一些新兴学科如控制论、信息论和 系统论的诞生并与数学、逻辑学、生理学等学科相互渗透，人工智能这门新兴 的边缘学科应运而生，尽管学术界对这门学科还没有统一的定义，然而毫无疑 问，它应包括三个方面的研究内容31:(1) 人工智能基础理论研究：包括与人工智能有关的数学理论、认知理论等 研究。(2) 人工智能原理研究：主要研究知识的表示、处理、获取、学习以及如何 利用知识解决各类问题（也称为元知识141的研究）。(3) 人工智能工程系统研究：主要研究如何应用人工智能原理建立工程应用 系统，如专家系统、自然语言理解系统、图像识别与理解系统及智能机 器人等。尽管人工智能无论在理论还是在应用方面都取得了许多进展，尤其是人工 智能工程系统的研究进展更为突出，以至于有人曾乐观地预言在未来的几十 年，机器的智能化程度可以与人类媲美。然而，目前的人工智能工程系统离真 IF的智能还有相当大的差距，替如，在对客观世界的感知方面，人类轻而易举#1绪论2m年5月做到的事情，计算机实现起来却非常困难，主要原因是人类是基于复杂的动态 模型来识别客观事物的，而计算机是基于特征数据来区分物体的，这些特征数 据本质上是静态的；再如人类专家的经验知识如何在计算机中表示出来，计算 机怎样利用这些知识进行判断、推理和决策。前者就是模式识别这门学科所要 解决的问题。模式识别一直被认为是智能的核心部分15_61。要解决上述问题， 我们就必须清晰地了解人类以及其他生物感知外界事物的机理。人们通过对祌经系统不太复杂的蛇类感觉系统进行研究m，发现脊椎动物 中脑结构（对蛇而言就是它的光学热窝）的神经元既能接收视觉信息，又能接 收红外信息，来自光学热窝的红外信息和来自眼睛的视觉图像以相同的空间方 位呈现在神经中枢的表面，以使光学覆盖层的每个区域接收到的信息都来自于 环境中的同一区域。这就使得多模式（multi-modal)神经元能响应不同组合的 视觉和红外信息。由此可见，生物（包括人类）大都是通过神经中枢对来自不 同传感器的信息进行融合来感知外界事物的，而且对传感器的集成有三种基本 方式：同类传感器多方位测量；不同传感器多方位测量；分布测量。为模仿人类及其它生物对外界的这种自适应感知能力，迫切需要发展信 息融合理论对多个传感器获得的信息进行处理，这是近年来信息处理研究中一 个热点。另一个重要原因是随着科学技术的发展，各类传感器设备的性能得到 了很大的提高，同时其价格不断地降低，使得人们可以考虑使用更多的传感器 来对同一物理过程的信息进行测量；计算机技术和通信技术的迅速发展，为一 些新发展起来的信息处理理论的实际应用扫清了障碍。因此，各种面向复杂应 用背景的多传感器系统大量涌现。这一点在军事应用领域尤其明显，特别是20 世纪70年以来，高科技兵器尤其是精确制导武器和远程攻击性武器的出现， 己使战场范围扩大到陆、海、空、天、电磁五维空间，为了获得最佳的作战效 果，传统的依靠单传感器获取信息的方式已无法满足现代作战的需要，必须应 用包括微波、毫米波、可见光、红外、激光以及电子支援设施（ESM)和电 子情报技术（ELINT)等能覆盖较宽频段的各种有源和无源探测器在内的多传 感器集成，来提供多种观测数据，实时地发现目标、估计目标的状态、识别目 标厲性、分析行为和意图，从而为火力控制、精确制导、电子对抗和辅助决策 提供信息12;在民用方面，城市规划、资源管理、气候监测、作物及地质分 祈、遥感、工业过程监控等领域也使用越来越多、功能各异的传感器设备I13.MJJO1緒论2001年5月随之而來的问题是需要处理的信息量猛增，这些信息表示形式的多样性、 信息之间关系的复杂性、以及处理信息的实时性要求己远远超过了人脑的处理 能力，人们迫切需要发展一种理论将多种传感器进行集成配置，对获得的多源 实时信息进行综合分析，以便迅速、准确、全面地掌握环境信息（如战场综合 态势等），从而形成正确的决策。1.2信息融合理论的发展及研究现状 1.2.1信息融合的主要实现技术信息融合是针对由多类多个传感器组成的系统这一特定问题而展开的一种 信息处理方法，在各种不同的场合，它又被称为多源关联、多传感器合成、多 传感器融合等。从一开始，信息融合就是面向问题及应用而展开的，所研究的 内容具有多样性和广泛性，其方法也多种多样，现在介绍主要的实现技术16,17,27,581. 目标跟踪多传感器目标跟踪是运用信息融合理论和技术最早也是研究最为广泛的一 个领域，其研究重点是如何解决在杂波干扰和目标高度机动情况下的目标跟踪 问题。其代表性的实现技术是概率数据互联算法（PDAF)算法和多模型 (MMF)算法前者使用概率数据互联滤波器将目标跟踪转化为计算 每一量测i来自第k个被跟踪目标的互联概率，这种方法尤其适合于杂波环境 下的目标跟踪；而后者为每一模型设计一个卡尔曼滤波器，每一个模型对应于 不同的机动输入水平，只要系统的处理能力足够的强，那么多模型算法就完全 能适应高机动情形下的跟踪。2. 目标识别目标识别可以分为三种方法：基于物理模型的方法、基于知识的方法和基 于参数分类的方法。基于物理模型的方法是根据物理模型直接计算实体的特征【23_24】。由传感 器产生观测特征或图像数据，由身份判别过程把观测数据和预先存储的目标特 征或根据观测数据进行预测的物理模型所得出的模拟特征进行比较，比较过程 涉及到计算预测数据和实测数据的相关运算，如果相关系数超过预先规定的阈 值，则认为两者存在匹配关系。基于知识的方法125是对上述基于物理模型方法的一个提升，它将有关目标的信息（包括分类，结构等）以知识的形式（如句法规则、框架、逻辑模 板）存放在预先建立好的知识库中，采用启发式的方法来进行目标的识别或匹 配，因此，这种方法尤其适合于对复杂物体识别或能根据物体间相互关系进行 识别的场合。3. 基于参数分类的方法基于参数分类融合方法的应用较为广泛，它包括基于统计计算的方法和应 用信息论技术的方法。前者主要有经典统计推断28,9、Bayes方法E17,8、D-S 方法夂35。这三种数据融合方法都是用来处理信息的不确定性的，它们都依 赖于一定的统计基础，而且存在着一个共同的缺点：当存在多个假设和多个相 关事件时，或者是无法进行计算（没有相关的信息）；或者计算的复杂性太高。基于信息论的方法主要有逻辑模板法136371、表决法11731、聚类分析法 n7411、自适应神经网络法和基于熵的方法【16，181。模板法将一个预先确定的模式与观测数据进行匹配，确定条件是否满足， 从而进行推理，这里的模式是一个具有广泛意义的概念，它包括逻辑条件、模 糊概念等。聚类分析是一种根据两个特征向量的相似性或关联度来将事物进行分类的 方法，这一方法的缺陷是相似性参数的选择以及聚类算法的选择都有倾向性， 从而影响聚类的有效性。人工神经网络法试图仿效生物神经系统的信息处理方法，它通过多个相互 连接的简单计算单元组成网络而实现其功能。4. 态势评估和威胁估计(STA)与绝大多数运行在温和的现实世界中的信息融合系统所不同的是，态势评 估和威胁估计则必须运行在敌对的现实世界中。态势估计包括对敌方部队的监 视（识别和定位），收集情报，分析数据并确定数据模式的意义，估计敌人的 实力和企图，以及给出一个有关战场态势的形式化描述；威胁估计就是在态势 估计所建立的有关兵力部署、军事活动、事件等描述的基础上，估计出正在发 生和将要发生的事件及其严重性。迄今为止，这个领域的研究相当缓慢，这是 因为一方面需要汇集这方面的知识，如地理环境、兵力结构、社会政治因素、 敌方的摧毁能力等，这一点非常困难；另一方面需要建立算法和推理机制，这 不仅与各类实现技术有关，而且涉及到多种军事理论。目前，人们借助于人工 智能技术如专家系统、黑板技术和面向对象技术来解决这一问题，美国国防部在优先发展的关键技术计划中，将条件事件代数HM71、规划（计划）识别理 论【17481列入这一领域的研究课题中。1_2.2信息融合理论研究现似主要发展方向自七十年代美国的研究机构用计算机技术对多个独立声纳信号进行融合并 成功地测量出敌方潜艇位置以来，信息融合作为一门独立的技术便迅速发展起 来，不仅在各种C3系统中尽可能采用多个传感器来收集信息夂491,而且 在诸如工业控制1、机器人l1VK521、空中交通管制W541、环境监测51、导航 (14,56i等领域也逐渐使用这项技术。科学技术的最新成果往往首先被用于军事领域，并对战争产生极其深刻的 影响，信息融合技术也不例外。1984年，美国成立了信息融合专家组，专门 指导和组织相关的研究，美国国防部从1988年起把信息融合列为重点研究丌 发的20项关键技术之一，而且列为最优先发展的A类。在学术研究方面，从1987年起，美国三军每年召丌一次信息融合学术会 议，并通过SPIE传感器融合专集、IEEE Trans, on AES、AC等发表有关专 著。另外，为了便于国际交流，1998年成立了国际信息融合学会（Internationa! Society of Information Fusion)。与信息融合有关的国际会议主要有：1. IEEE系统与控制会议2. EEEE航空航天与电子系统会议3. EEEE自动控制会议4. IEEE指挥、控制、通信和信息管理系统(C3MIS)会议5. 国际军事运筹学会议6-国际雷达、控制与判决、信号处理会议7.国际信息融合议会（每年一次，由国际信息融合学会举办）自1985年以來，国内外先后出版了 10多部有关信息融合理论和方法的专 著，其中Waltz和Uinas的专著多传感器数据融合1271和Hall的专著多 传感器数据融合中的数学技术对信息融合的研究内容、应用和框架作了 全面的论述，Bar-Shalom和Fortmann的专著跟踪与数据关联以及由 Bar-Shalom主编的连续出版物多传感器多目标跟踪：方法与进展则 综合报道了数据融合在目标跟踪领域的新思想、新方法和新进展。我国学者在 这一方面也有较多的理论研究成果，其中较有影响的有杨静宇的战场数据融 #1绪论200丨年5月合技术1周宏仁、敬忠良和王培德的机动目标跟踪57i，康耀红的数 据融合理论及应用16。同时，一些国家在信息融合的应用方面也取得了实质性进展，美国对信息 融合技术的研究经费给予可靠的保证，从1987年到1999年的十几年间，每年 用于信息融合的研究经费多达一亿美元。这期间相继幵发出军用分析系统 (TCAC)、战场使用和目标获取系统（BETA)、海军指挥控制系统（NCCS)、 全源信息分析系统（ASAS)、空军先进中距空对空导弹系统（AMRAAM)、 专用工作信息系统（SIOS)、海面监视信息融合专家系统（OSIF)、空中作战 方案专家系统（TATR)、自动多传感器部分信息识别系统（AMSUI)等军用 系统。其他北约国家在这方面的研究工作也十分活跃，如英国陆军开发了炮兵 智能融合系统（AIDD)、机动和控制系统（WAVELL)等，德国准备在“豹2” 坦克的改进中运用信息融合和人工智能等关键按技术。此外，信息融合技术在其他领域如智能机器人（Standford移动机器人、 HERMIES，HILARE)、工业（材料处理、部件制造、装配）、航天和遥感等 方面也有广泛的运用。信息融合是一门跨学科跨领域的综合理论与方法，目前仍处在不断变化发 展过程中。人们也逐渐意识到它应该是一门独立的学科，应该有它自己的研究 对象、方法和评判标准。目前，信息融合理论的主要发展方向集中在：1. 信息融合系统的知识获取方法、表示方法、组织方法和管理方法的研2多传感器情形下的相互作用多模型-概率数据关联算法、联合概率数据 关联算法和多假设算法的研究；3条件事件代数理论、规划和计划识别理论在信息融合中的应用。4. 研究具有不确定输入条件下的有效算法；5. 自动目标识别与分类算法；6. 态势评估和威胁评估的模型和相关算法；7. 神经网络、人工智能在态势评估和威胁评估中的运用研究；8-多平台、多中心、多传感器信息融合算法；9多传感器多目标跟踪与识别的性能评估；10.建立信息融合系统性能评估的指标体系。1.3本文研究选题的几点考虑I绪论200年5月我们知道，与单传感器系统相比，多传感器系统能够利用(1) 冗余信息，它们是一组由系统中同类或不同类别的传感器所提供的 对环境中同一目标的感知数据，尽管这些数据的表达形式可能存在 着差异，但总可以通过变换，将它们映射到一个共同的数据空间， 这些变换的结果反映了目标某一个方面的特征，合理地利用这些冗 余信息可以减少整体决策的不确定性*提高系统对目标的感知精度 和可靠性；(2) 互补信息，这也是一组由多个传感器提供的对同一目标的感知数据。 一般来讲，这些数据无论是表达的形式还是所表达的含义都存在较 大差异，它们反映了目标的不同特征，对这些信息的综合利用可以 提高系统的准确性。可见，多传感器系统对外界的感知能力要比单传感器系统好得多，那么能 否将多传感器信息融合理论应用于模式识别以提高识别率和可靠性呢？我们知 道模式识别的过程可以抽象为两次映射（见图U)，特征抽取和选择完成了从 样本空间到特征空间的映射；而分类决策完成了由特征空间到决策空间的映射。-图U模式识别的一般过程其中，特征空间是由特征抽取方法确定的，不同的特征抽取方法会形成不 同的特征空间，它们反映样本不同的特性，同一样本集在这些特征空间中具有 不同的分布，由此可见，这里的特征提取过程在功能上相当于传感器，不同的 方法和不同类型的传感器相对应：当特征空间和决策空间都确定好后，不同的 分类决策过程将按不同的方式将特征空间里的点映射到决策空间，这些决策分 类方法对特征具有不同的敏感程度。因此，分类过程在功能上也相当于传感器 对环境的感知过程。至此，上述问题有了一个肯定的答案，接下来的问题是：对于一般的模式识别过程，应采用什么样的融合模型？ 如何评判所选择的模型？这是本文所要论述的一个重要内容。若将多传感器信息融合理论应用于模式识别，则不管在哪个层次、哪个空 间上进行融合，我们都可以形式化地表示为如下的一个映射： ： x x x r2 x - x ) x q(i.i)其中，x表示样本集（如图像等），r,xr2xxrM表示特征空间的集合，每 个厂，1 s m表示由一种具体的特征提取方法所油取的特征而组成的空间，表示分类方法集，Q是决策空间。可见，识别率和可靠性的提高不仅与 (分类方法）和映射 (融合方法）有关，而且还和r(xr2xxrv有关。对分类方法的研究构成了模式识别理论的中心内容，在这里我们不作研究；本文 考虑的第三点是什么样的特征空间是好的？也即如何设计特征提取方法的问 题。在模式识别理论中，有一个紧致性原则t6，即认为满足以下模式类紧致性 条件的特征空间是好的特征空间：(1) 模式类间临界点数量与总的样本点数相比很少；(2) 同一模式中任意两点可以用光滑的曲线连接，该曲线上的点也属于该模 式；(3) 每个内点都有一个足够大的邻域，该邻域只包貪同一模式中的点可见，上述紧致性原则可以用来评判不同特征抽取方法的性能，从中挑选出那些好的方法，但前提条件是我们已经取得了这些特征空间；本文从另外一 个角度来处理特征提取问题，贯穿本文的一个重要思想就是多尺度方法，即在 多个不同分辨率空间抽取样本的特征，这一思想来源于下列实验阳，】：(1) 人眼中的光感受器（即锥体和杆体）将光信号转化成电脉冲神经信号 后，由双极细胞、水平细胞和无足细胞共同完成对信号的多频率通道分解，而 且在对数尺度上，这些频率通道具有相同的带宽。(2) 人类视网膜上的光感受器的空间分布是不均匀的，因此，人的视觉系 统对图像的采样也是不均匀的，视网膜上黄半区内高的空间频率通道同时具有 高的分辨率和窄的空域带宽，能感受外界的细节信息；周边的低空间频率通道 具有低的空间频率和宽的空域带宽，这一部分能感受外界物体的大致位置，但 无法获得有关形状和其他精确定位的信息。1.4本文研究工作概述本文针对多传感器信息融合理论及其在模式识别尤其是在图像数据的融合 和识别中的应用等问题进行了探索性的研究，主要工作和研究成果包括了：(n本文提出一种融合了图像的小波分析及高斯-马尔可夫随机场模型的图像 局部特征提取方法，首先将图像在多个尺度空间进行分解，然后基于高斯-马#1绪论2001年5月尔可夫随机场模型用线性统计回归的方法对分解后的子图像的每个局部区域进 行参数估计，从而得到一组反映图像局部结构特征的矢量。实验表明，相同或 相似的区域具有相近的特征矢量；而不同区域的特征矢量相差较大，当图像受 噪声污染或在多个尺度空间变化时，这些特征的变化较小。这说明上述的特征 抽取方法保持了原始图像的某种拓扑性。(2) 在图像融合方法的研究中，通过对图像局部特征的分析，我们认为，对 于待融合的两幅图像，其对应区域局部结构特征的相似性是对图像中某种共同 信息存在性的一种支持程度。本文将上述图像局部特征应用到图像融合中，提 出了一种基于图像局部结构特征相似性测度以及局部变化一致性约束的边缘图 像融合算法，实验表明，这种融合方法具有较好的鲁棒性，受噪声的影响较小， 实验结果好于其它的融合算法。(3) 由于受成像过程中各种不确定因素的影响，图像中必然存在着不确定性和模糊性，在完成研究工作（1)的基础上，将模糊理论中的有关方法引入到图像分割中，通过采用改进的FCM对图像的局部结构特征集进行模糊聚类分 析从而完成了图像的分割。鉴于FCM算法是一个最小化目标函数人的迭代算法，而且函数人是非凸的，所以算法最后将终止于一个局部最优解，而解的优劣主要取决于类别数C和初始聚类中心。本文提出了基于最小最大原则 确定类别数C和初始聚类中心的方法。实验表明，经过这一步的处理，可 以大大加快算法收敛的速度，而且使得计算结果较为稳定。(4) 抽取有效的鉴别特征是解决图像识别问题的关键。在对目前一些较为有效的图像鉴别特征特别是各类矩特征作了详细分析的基础上，提出了基于小波 分析的人脸图像小波矩特征抽取方法。这里的矩特征是由图像函数/(x，y)与 构成不同分辨率空间的基小波函数通过内积产生的，这类基小波函数具有有限的紧支集，通过膨胀和平移（分别改变参数和6)就可以抽取各个分辨率上的图像特征，因而十分适合于作为人脸的鉴别特征，这一点 已为实验所验证。(5) 由于人脸图像含有较多的对于分类而言十分重要的细节信息，因此空间 分辨率和频域分辨率都应取得足够大，特征矢量维数足够高。本文提出了下列 有效鉴别特征选取方法：首先使用一种融合了统计理论和模糊理论各自优点的 决策方法对鉴别特征进行初步选取；然后对前一步所抽取的鉴别特征使用一种 莶于奇异值分解的K-L变换的方法再一次进行特征选取。实验表明，这种方法所选取的特征具有较小的相关性和较强的分类能力。(6) 本文提出了一种基于统计学习理论的信息融合方法，这一方法的基本观 点是将信息融合问题看作学习问题，其特点是学习过程中兼顾了结构风险最小 化和经验风险最小化这两方面的要求，从而使得学习的期望风险最小。通过对 过去各传感器融合数据的学习，从这些样本中寻找出最佳的融合规则，使得按 这种规则对未来的多传感器信息进行融合所带来的风险最小。(7) 本文提出了一类基于SVM方法的多传感器决策级信息融合模型，并对 该模型的学习样本数进行了讨论，其结论是：在均方误差最小的意义下，基于 向量空间的学习所需的样本数是融合函数空间维数的线性函数。(8) 最后分别用最小距离分类器、最近邻距离分类器、最大相关分类器和径 向基函数神经网络分类器对ORL人脸图像库、Concordia University CENPAMI 手写体数字数据库进行融合识别实验，试验表明：基于SVM方法的融合识别 错误率要小于常用的投票法、计数法组合识别的错误识别率，错误识别率分别 达到2.6%和2.9%,这个结果和目前在这两个数据库上的最好试验结果是一致 的。1.5本文的内容安排本文分为五章。第一章介绍了信息融合实现技术，理论研究和实际应用的现状，以及对未 来该领域研究方向的展望。第二章对信息融合的几个基本问题如信息融合的层次、信息融合系统的形 式与结构以及主要的数学理论和方法作了简要阐述，并对这些理论与方法的最 新进展作了介绍，最后简要介绍了本文提出的基于统计学习理论的融合方法， 为后面几章的论述和研究提供必要的基础。第三章详细讨论了基于图像的小波分析和高斯-马尔可夫随机场模型的图 像周部结构特征提取方法，分析了其特性，并将其应用于图像分割和图像融合 的研究中。鉴于图像中存在着不确定性和模糊性，将模糊理论中的有关方法引 入到图像分割中，通过采用改进的FCM对图像的局部结构特征集进行模糊聚 类分析从而完成图像的分割；详细讨论了基于图像局部结构特征相似性测度以 及局部变化-致性约束的边缘图像融合算法，并通过实验表明，这种融合方法 具有较好的鲁棒性。2信息融合理论及方法2001年5月第四章在对目前一些较为有效的图像鉴别特征特别是各类矩特征作了详细 分析的基础上，提出了基于小波分析的人脸图像小波矩特征抽取方法并对该方