科研之友
微信
新浪微博
Facebook
分享链接
摘要
恶劣复杂及对抗环境下产生的图像数据通常受限,常具有非完整、不确定、小样本、小目标的全部或部分特性,与通常的图像大数据相比,对受限图像数据处理和分析的方法有明显区别:大数据的统计特性显著依赖于中心极限定理下的3σ原则,而受限下的图像数据统计一致性弱,难以体现可信且鲁棒的集中优势特点;遮挡、伪装等情况导致样本信息乃至维度都具有不完整性或非确定性,以模糊数学为基础的系列处理方法导致计算量剧增;以深度学习为代表的系列大数据处理方法得到巨大发展,但由于受限图像数据的处理和分析基本属于不可逆的逆问题,其解空间一般为高维子空间,如何可信鲁棒地确定空间中的解,目前尚无有效可行的通用理论和方法;采用隶属度为测度的系列方法需紧密依赖融入先验知识构造的代价函数。为促进受限图像数据的研究,梳理了对其处理和分析的机理、方法、手段以及遇到的困难,提出了可能的突破方法,以及催生的研究范式改变,以求抛砖引玉,吸引更多学者从事该研究。
- 单位
