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?;陬伾狈綀D提取全局顏色特征,利用多尺度空間來表達目標(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.