论文部分内容阅读
本文对Bayesian网的国内外研究现状作了深入的分析,对其构造方法以及变异Bayesian网进行了系统的理论研究。此外,还研究了该网络及其变异模型在图像分析中的应用,包括文本与人脸等目标的检测与定位。全文主要内容如下: 1.介绍Bayesian网原理以及常用的推理算法。介绍了Bayesian网常用的消息传递推理算法、子团树传播推理算法以及基于消元的推理算法等,并给出了几种常用推理算法的推理过程。 2.通过分析用遗传算法对Bayesian网进行结构学习时存在的缺点,提出了根据混合遗传算法进行结构学习的新方法:在分析Bayesian网等价结构的基础上提出了Rudimentary结构等价性定理,并将该定理应用于对Bayesian网的结构优化中;推导了根据现有数据库和网络结构学习Bayesian网参数表的过程;介绍了由基于模型的诊断系统向Bayesian网转化的方法,拓展了Bayesian网的应用范围。 3.通过对几种常见图模型的分析,以及根据因果独立性,提出了Bayesian网的变异模型。新模型对数据之间关系的描述更准确,同时也简化了条件概率表的规模。通过对学生成绩Bayesian网及其变异模型的分析,验证了变异模型的有效性。 4.图像中的场景文本由于受多种条件的影响,在文本检测中,其位置表现出不确定性。提出了用于文本检测与定位的变异直方图,并将其应用于图像中的文本特征提取。通过分析各种特征之间的不确定性关系,以及对这些不确定性关系进行处理,建立了文本检测Bayesian网,得到了有效的检测与定位结果。 5.人脸检测与定位的难点是人脸在复杂背景以及不同成像条件下包含大量不确定性。针对这一现象,提出了肩线检测Bayesian网以确定脸部区域;又提出了分级阈值分割方法,并根据该方法对脸部区域的分割结果建立变异Bayesian网确定眼睛位置。对BioID图像数据库的检测结果表明了该方法的实用性。