题目：基于多阶梯度信息的图像表示及在物体识别的应用

图像特征及图像表示，作为图像处理的底层算法，在计算机人工视觉中起着重要的作用，被广泛应用于不同的领域，并取得了不错的效果。现今主要的图像特征或表示多基于图像的一阶梯度信息，鲜有基于二阶或更高阶的图像梯度信息构建的图像特征。然而，随着对图像特征要求的提高，人们认为仅仅使用一阶梯度信息不足以描述图像的所有特征，如何对一阶梯度特征信息进行补充，是进一步提高图像特征或表示性能的关键。

本文深入分析并比较了基于一阶梯度描述子的优缺点，认为一阶信息对于图像特征的刻画有其不足之处，因此需要引入高阶梯度信息对其进行补充描述。本文采用二阶梯度信息作为特征描述的补充信息，提出了一种新的基于后融合的多阶梯度图像表示。该多阶梯度图像表示将二阶梯度描述子与一阶梯度描述子进行决策层的融合，以达到组合多阶梯度信息对图像特征进行描述的目的。

随后，本文进行了三方面的实验以对该基于多阶梯度信息的图像表示进行评估：局部特征匹配实验、纹理分类实验以及物体识别实验。这三类实验均与物体识别有密切关系，其实验结果可以较好的从多方位评价该方法的性能。实验结果表明，该多阶图像表示优于单独使用一阶或二阶梯度描述子，说明了该图像表示在物体识别中的有效性，同时还证明了，高阶梯度信息可以很好的对一阶梯度信息在特征描述方面进行补充。