题目：鲁棒纹理特征提取与应用

图像是模式识别的核心研究对象之一。随着科技的快速发展，图像越来越成为传达信息的重要载体。图像信息的有效表示对于后续的图片分类，识别和目标检测尤为必要。

纹理包含了丰富的图像表层信息。研究者提出过多种基于统计描述和局部度量的纹理算子，但这些算子大多不具备3D几何形变鲁棒性，应用范围非常受限制。多重分形分析是非线性科学研究的一个新的分支, 本文利用多重分形谱的双李普希茨映射不变特性，提出了一种对于视角变化、非刚性形变和局部光照变化鲁棒的纹理分析框架，并分别应用于人脸识别和行人检测。主要工作如下：

1、本文在讨论了分形和多重分形理论的基础上，将人体目标的肢体局部绕关节转动的现象定义为扭转变换，并证明了这种扭转与双李普希茨变换的等价性，进而为分形维特征有效应用于行人检测系统提供了理论依据。

2、作为多重分形谱概念的推广，本文设计了一种新的参数化分形模型——质量分布直方图(MDH)：首先给定一个合适的局部测度定义，将原始图像数据映射到测度空间；其次，根据质量分布的不均匀性将测度空间划分为一系列点集合；最后计算这些点集合的分形维数组成类直方图的特征向量。相比传统多重分形谱计算方法，MDH特征具有参数灵活，信息丰富的特点。

3、在人脸识别的应用中，本文应用MDH特征在AR数据库进行实验，分别对比图像灰度直方图和局部二值模式直方图，实验效果都有一定提升。同时，以MDH为特征，随机森林为多类分类器的人脸表情识别实验也取得了较好的效果。

4、静态图像中的人体检测采用了方向梯度直方图和MDH的融合特征方法,使用线性支持向量机为分类器，训练整体刚性模型，并在INRIA数据集上测试。在训练过程中，本文使用了一种困难反例挖掘的方法优化分类模型，提高测试结果。