18、基于合成数据训练的分层时间记忆与复小波变换在图像识别中的应用

基于合成数据训练的分层时间记忆与复小波变换在图像识别中的应用

1. 分层时间记忆在手部形状识别中的应用

人类能够在位置、尺度、光照变化以及存在变形和噪声的情况下正确识别手部手势。然而，将这种能力赋予计算机系统仍是一个未完全解决的问题。传统方法通常需要大量不同位置、距离等条件下的训练图像，这既不方便用户，又耗时。因此，利用合成图像进行训练的自动化方法具有很大吸引力。

1.1 分层时间记忆（HTM）概念

HTM是一种基于哺乳动物新皮质神经解剖学研究的计算范式，它模仿了新皮质的结构和算法特性。HTM以树形层次结构的节点组织，接收来自感官的时空模式，通过学习过程发现世界中的原因并形成内部表示，之后可进行推理，根据新的感官输入推断可能存在的已知原因。

每个节点的基本操作分为两步：
- 空间分组 ：将节点输入模式分配到一组量化点中的一个，判断当前输入与每个量化点的空间接近程度。
- 时间分组 ：寻找这些量化点的常见序列，发现的原因与节点时间子层中存储的常见序列相关联。

这种机制使得属于同一对象的不同视觉模式可以被归类为同一类，因为它们在时间上足够接近。

1.2 问题定义与解决方案

考虑了8种静态手部手势，每种手势在320x240图像帧中以不同手部位置记录200次，同时图像中还存在一些无意的手部旋转变化。

为了进行训练，使用图形工具Virtual Hand Studio生成了包含相应手势的大量合成图像数据库。合成图像的生成步骤如下：
1. 每个手势有4种不同的实现方式。
2