摘  要： 為提高目標(biāo)識別的準(zhǔn)確性和快速性，提出了基于全局和局部特征對目標(biāo)識別的方法。基于顏色直方圖提取全局顏色特征，利用多尺度空間來表達(dá)目標(biāo)的局部特征，最后將全局和局部特征進行數(shù)據(jù)融合得到圖像的識別結(jié)果。實驗結(jié)果表明，該方法很好地結(jié)合了目標(biāo)的整體和局部信息，能有效地識別目標(biāo)，且識別效果優(yōu)于單一的全局特征和局部特征的識別效果。
關(guān)鍵詞： 目標(biāo)識別；全局特征； 局部特征； 數(shù)據(jù)融合

    實際意義的目標(biāo)大都處在復(fù)雜背景之中，目標(biāo)檢測很困難。成像條件變化使目標(biāo)的圖像發(fā)生變化，背景的空間時間變化使目標(biāo)相對于背景的可觀察性發(fā)生變化，這些因素將影響現(xiàn)有常規(guī)目標(biāo)提取算法和系統(tǒng)的可靠性和穩(wěn)定性。近年來，目標(biāo)識別成為研究的熱點，林玉池[1]等提出基于形態(tài)學(xué)多結(jié)構(gòu)原邊緣提取算子，很好地提取了復(fù)雜背景下的目標(biāo)邊緣，較好地解決了復(fù)雜背景下的目標(biāo)識別的難題。張鐵柱[2]等提出了利用車載雷達(dá)和紅外成像傳感器數(shù)據(jù)融合的智能目標(biāo)識別算法，融合效果優(yōu)于單個效果的識別。陳芳涵[3]等采用小波多尺度積德方法提取目標(biāo)圖像的邊緣，解決了復(fù)雜背景下目標(biāo)圖像的識別問題。這些大多是單一特征的識別，本文提出了一種新的全局和局部特征信息融合的算法，充分利用了全局和局部信息的互補關(guān)系，在目標(biāo)識別上取得了良好的識別效果。
1  全局顏色特征
　顏色特征是一種全局特征[4]，描述了圖像或圖像區(qū)域所對應(yīng)的景物的表面性質(zhì)。一般顏色特征是基于像素點的特征，所有屬于圖像或圖像區(qū)域的像素都有各自的貢獻。
1.1 HSV空間模型及其量化
　HSV模型[5]是人們用來從調(diào)色板或顏色輪中挑選顏色的彩色系統(tǒng)之一。HSV表示色調(diào)、飽和度和數(shù)值。假設(shè)所有的顏色都已經(jīng)歸一化到[0,1]范圍。在RGB 3個分量中，設(shè)定最大的為MAX，最小的為MIN,則RGB到HSV的轉(zhuǎn)換公式為：

    圖像轉(zhuǎn)換后的效果圖如圖1所示。  

 

    生成SFIT特征向量之后，采用關(guān)鍵點特征向量的歐氏距離來作為圖像中關(guān)鍵點的相似性判定度量。在實際計算時，一般計算歐氏距離的最近值與次最近值的比值，若比值小于某個閾值，則認(rèn)為是匹配對。閾值取得越小，匹配結(jié)果的穩(wěn)定性越高，最后得到的匹配對數(shù)量就會越小。
3 目標(biāo)識別
    目標(biāo)識別是計算機視覺和圖像處理中的一個重要課題，是指在圖像中尋找指定的物體。本文基于全局和局部特征的目標(biāo)識別流程，分為以下幾步：
    (1)基于全局顏色特征，確定識別目標(biāo)的大體區(qū)域；
    (2)對復(fù)雜目標(biāo)進行角點檢測；
    (3)對得到的特征點進行描述；
    (4)將得到的特征在復(fù)雜目標(biāo)中進行匹配；
    (5)輸出識別結(jié)果。
4 實驗結(jié)果
4.1 全局特征識別
　通過感興趣目標(biāo)的顏色直方圖，可以對其在復(fù)雜場景中進行顏色分割，從而縮小了復(fù)雜場景的范圍，減少了搜索時間，提高了效率。識別結(jié)果如圖5所示。

4.2 局部特征識別
    基于前面所述的局部特征匹配的步驟提取出特征點并進行SFIT特征匹配,在復(fù)雜場景中很快搜尋到與感興趣目標(biāo)相匹配的目標(biāo)。實驗結(jié)果如圖6所示。 

    本文基于全局和局部特征對復(fù)雜目標(biāo)進行識別，通過實驗證明，本文的方法有效地結(jié)合了全局顏色特征和局部尺度不變特征，能夠快速、準(zhǔn)確地對復(fù)雜場景中的目標(biāo)進行識別。
參考文獻
[1] 林玉池，崔彥平，黃銀國.復(fù)雜背景下邊緣提取與目標(biāo)識別方法研究[J].光學(xué)精密工程，2006,14(3)：509-514.
[2] 張鐵柱，蔣宏.機載雷達(dá)和紅外數(shù)據(jù)融合的智能目標(biāo)識別[J]. 紅外與激光工程,2010,39(4)：756-760.
[3] 陳芳涵，苗華，陳宇,等.基于小波多尺度積的目標(biāo)識別[J].光學(xué)學(xué)報，2009,29(5)：1223-1226.
[4] 沈保國，陳數(shù)人，尹建軍,等.基于顏色特征的棉田綠色雜草圖像識別方法[J].農(nóng)業(yè)工程學(xué)報，2009,25(6)：163-167.
[5] 王夏黎，周明全，耿國華.一種基于HSV顏色空間的車輛牌照提取方法[J].計算機工程，2004，30(17):133-135.
[6] 高升.基于顏色特征的圖像檢索方法及系統(tǒng)實現(xiàn)[D].北京：北京郵電大學(xué)，2006.
[7] 楊艷偉.基于SIFT特征點的圖像拼接技術(shù)研究[D].西安：西安電子科技大學(xué)，2009.
[8] LINDEBERG T. Scale-space theory: a basic tool for analysing structures at different scales[J]. Journal Applied Statisitics, 1994,21(2):232-261.