论文部分内容阅读
随机森林算法作为一种优秀的机器学习算法自提出后就得到了应有的重视，在遥感数据分析、生物信息识别等领域也发挥着重要作用。近年来信息科学飞速发展，计算机技术日趋成熟，人机交互与计算机视觉成为了热门的研究领域。随着数据量的不断增加，相应的统计学算法也取得了很大的进展。 本文运用随机森林算法在图像处理领域做了相关应用研究，主要从分类与回归两个方面开展工作。在分类方面，与多种图像特征提取方法结合，通过实验结果的对比，得到了一套优化后的参数模板。在回归方面，基于霍夫森林的框架实现了人眼中心点的定位，并对比了三种不同的概率图像处理方法。主要工作如下: 1.分类研究上，与当前主流的图像特征提取方法，如Haar特征、LBP特征及HOG特征相结合。首先在MITEx人脸数据库与FERET人脸数据库中进行人脸识别;然后通过改变特征提取参数，分别找到这三种方法与随机森林算法相结合时效果最优的一组，形成模板。结果显示，结合HOG特征的分类方法表现出较高的准确率;最后，在CEW人眼数据库中进行眼睛状态检测，结果显示，得到的优化参数与人脸识别上得到的参数模板相符。 2.回归研究上，基于霍夫森林的框架实现了人眼中心点定位，并提出了三种不同的概率图像处理方式:大于阈值的区域局部最大值、几何中心点及质心点进行点定位。用自采的眼睛图像数据库进行测试，几何中心点法与质心点法能取得更优的人眼定位效果。