在信息技术各应用领域中,信息数据的特征描述、特征保持和基于特征的搜索,识别与分割技术对于信息数据采集,发送,交换与接收各系统设计与应用优化都是十分重要的。用K元特征序列来描述信息数据,建立识别与分割技术具有重要的理论意义和应用价值。该技术不仅能高效分割和识别目标,而且能高效表征和压缩多媒体信息,可广泛应用在遥感,医学,气象,金融,公安,交通,文件处理,自动检测,机器人视觉,军事等众多领域,已成为研究热点之一。K元非均匀进制特征图像序列是指目标具有K位特征图像且每位上特征图像的可能状态数为有限,不同位上的特征图像的可能状态数不一定相同,同时特征图像互相之间具有时间,空间或映射关联,且K元特征图像序列能唯一表征目标, 即只要识别出目标的K元非均匀进制特征图像序列,就等同于识别出目标.基于K元特征图像序列的视频目标分割与识别技术属于模式识别,计算机图像处理以及机器视觉等学科的交叉领域,是K参数估计与检测的推广,即从K参数推广到K特征图像,是一种多维特征识别,显然识别复杂性大大增加。论文研究了基于K元特征图像序列的视频目标分割与识别技术。在视频目标K元特征识别模型与识别系统框架中,本文首先建立了基于K元特征图像序列的识别模型和识别定理,从空间关系,信息熵和状态空间等角度分析了K元非均匀进制特征图像序列的特性;然后讨论了图像目标与其观察数据空间的关系,从信息数据传输的角度分析了形成观察数据的信道特性,数据成像模型,影响成像质量的噪声模型;接着研究了保持特征的图像复原,去噪和除畸变的基本技术模型;最后建立了图像目标K元特征图像的识别基本技术框架。在特征图像的分割技术中,本文提出了两种K元特征图像序列分割技术。一种是基于特征图像序列的特征色学习的分割技术,该技术首先对特征图像彩色样本动态聚类,形成标准色的参考类;然后将参考类模糊扩展;最后根据参考类识别出视频目标特征图像序列的特征色或图案,从而分割出特征图像. 另一种是基于预识别指导的特征图像序列分割技术,该技术先利用彩色滤波器抑制非特征图像区域杂波;<WP=6>然后利用颜色信息来进行特征图像区域粗定位,接着利用特征图像区域的灰度分布特性与其非特征图像区域有较大差异而实现特征图像粗分割,再接着利用特征图像序列的先验知识如宏特征作为判决准则,通过多次反复,分割特征图像区域。在特征图像序列组成基元可视宏特征描述与提取技术中,研究了二值化基元特征图像的宏块状层目标特征描述及提取技术,同时提出了二值化字符特征图像的骨架笔划和骨架笔划结构识别特征描述和提取技术。在基于K元特征图像序列的目标模糊识别技术中,将模糊识别基本理论同基于K元特征图像的目标识别相结合,运用模糊识别的思想来识别基元图像序列,从而识别图像目标。主要讨论基于K元特征图像的目标模糊识别基本理论,包括基于K元特征图像的目标模糊识别系统简介,基于K元特征图像的目标模糊识别相关的模糊集基本理论和模糊识别基本方法。重点研究了二值化字符特征图像的可视特征模糊化技术及基于该特征空间的特征图像的模糊识别技术。在图像目标识别特征多层模型与神经网络群识别技术中,建立了图像目标的K元特征图像序列识别特征多层模型,然后提出一种基于特征图像视觉识别特征分层模型的视频目标神经网络群识别技术,该技术基于目标可视层目标特征空间,将大的BP网络系统按目标的可视特性分为若干子BP网络,各子网的输出经神经网络融合后输出识别结果.当目标变化时, 网络群只训练新增的子BP网络, 从而简化系统结构的调整过程,缩短重新训练网络所需要的时间,从而有效地提高网络的训练效率,大大提高了网络的可扩展性和重复利用性,从而提高网络的适用性和速度.在目标特征图像序列的多分类器自适应融合识别中,针对当序列图像受到严重干扰时,单个分类器对目标特征图像序列识别率低,多分类器的常系数线性融合分类系统存在的问题,提出一种多分类器自适应融合技术,该技术依据输入特征图像的后验置信度,分类器的分类结果一致度等因素自适应调整多分类器的融合系数。建立了融合识别系统,分析了其原理与性能,取得了好的结果。在基于信源状态被访问概率的多级自适应识别系统中,研究基于信源状态被访问概率多级识别系统原理和提出基于特征图像状态被访问概率的动态多级识别技术,该技术依据信源动态统计特性,根据各<WP=7>分类器的分类特性,动态地调整多分类器序列,获得了高识别率和识别速度. 根据上面的理论和技术实现,对大量实际特征图像序列进行了测试与PC仿真,取得了很好的结果。