题目：基于流形学习的多视点目标识别

目标识别是计算机视觉、人工智能、模式识别等领域的研究热点，在众多实际领域应用广泛。视点变化问题是目标识别的难点问题之一。研究表明，物体的多视点图像存在于高维视觉描述空间中的低维流形上。从流形学习的角度研究多视点目标识别问题，符合人类视觉感知机制，有望提升计算机或人工智能系统的多视点目标识别以及目标姿态估计的性能。为此，本文以目标多视点图像序列为研究对象，开展了基于流形学习的多视点目标识别、分类和视点估计研究，主要完成的工作包括：

1、提出了多视点图像的同胚流形描述形式，采用与之同胚的概念流形描述高维视觉空间的视点流形，避免了传统流形学习方法学习视点流形时易受数据分布与噪声影响的问题；

2、将同胚流形描述作为约束方式，引入核回归模型，提出了用于连续视点估计的流形约束核回归模型和接受函数模型，有效提升了核回归模型的视点估计性能，取得了公开数据集上的最优实验结果；

3、提出了基于同胚流形分析的多视点目标识别方法，以同胚视点流形作为多个目标视点流形的共同描述形式来表征目标视点变化，用视点流形相对同胚视点流形的形变来描述目标类型的变化，在同一个框架下同时解决了多视点目标类别识别、实例识别和姿态识别问题，在公开数据集上的识别结果与最新水平相当、姿态估计结果优于当前最新结果；

4、提出了基于3ds max的空间目标多视点图像仿真方法，构建并首次公开发布了BUAA-SID空间目标图像数据集，解决了空间目标识别的数据匮乏问题，同时开展了基于本文所提方法的空间目标多视点识别与姿态估计应用研究，取得了具有应用价值的实验结果。

文章最后对全文工作进行了总结，并对下一步工作进行了展望。