论文部分内容阅读
本文描述了数字全息技术在三维物体识别中的应用,指出了三维物体识别系统必须有效对抗物体的旋转和平移,并将问题集中在抗击三维物体的平面内和平面外旋转。提出了采用新型SVM(Support Vector Machine)相关滤波器来解决数字全息三维识别系统中待识别物体发生旋转的问题。
在实验中,用计算机模拟了目标和非目标两类三维物体在不同形变状态下的数字全息再现像,从中选取部分平面内外旋转样本分别合成相应的SVM滤波器。重点考察其对测试样本中目标类物体的正确识别率,采用菲舍尔比率(Fisher Rate)和形变容限(Distortion Tolerance)两个参数评估其识别性能。为了进一步判断SVM相关滤波器抗旋转和抗噪声的有效性,对综合鉴别函数(SyntheticDiscriminant Function,简称为SDF)、最大平均相关高度(Maximum AverageCorrelation Height,简称为MACH)和混合光学神经网络(Hybrid Optical NeuralNetwork,简称为HONN)三类相关滤波器进行相同的实验分析。
实验表明,SVM滤波器具备良好的泛化性能和并行运算的特点,在滤波器中,具有最优的抗平面内旋转和抗噪声能力。在无噪声环境下,其抗平面外旋转能力略逊于MACH滤波器,但是,SVM滤波器良好的抗噪声性能使其有更高的应用价值。因此,在数字全息三维识别系统及其它领域中有着广阔应用前景。