基于多特征融合的敌对目标识别新方法
马翔1 , 彭进业2
12
(偏转集团 信息中心,咸阳 712000) (西北工业大学 电子学院,西安 710072)
摘 要: 本论文提出了一种基于HSV颜色直方图、一二三阶颜色矩、Gabor小波和SIFT特征描述子的多特征融合方法,以实现防空战争的提前预警和及时打击功能。在目标分类过程,针对SIFT特征描述子,论文使用最新的金子塔匹配核.通过在Caltech 101数据库的实验,采用SVM分类器,证明该方法在目标识别方面性能有很大的提高. 关键词: 目标识别;SVM;SIFT;金字塔匹配核;
Enemy Target Recognition Based on Multi-Feature Fusion
MA XIANG
Abstract: This paper presents a multi-feature fusion method to solve the enemy target recognition problem. In this method we use HSV color histogram, Color Moment, gabor wavelet and SIFT. By using multi-feature fusion and pyramid kernel and testing on Caltech 101 database, the method provide better results than other methods. Key words:
target recognition; SVM;SIFT; pyramid kernel
1 概 述
从海湾战争、科索沃战争到伊拉克战争已经表明,现代战争是高科技战争,防空、防海、防陆战争中,敌我目标的识别是战争成功与否的关键.在对战情的分析中,首先要对所发现的目标进行分析,以便分清"敌方目标","不明目标"和"我方目标",在此基础上才能有效的提高我军高科技战斗力.
针对我军战时获取的图像,通过图像分割,将图像分割成不同的区域.针对各个区域提取目标的特征,通过模式分类方法确定各个区域的类型.在此基础上,形成图像的语义.这将是战时判断敌我目标的一个有效方法.
本文提出了一种基于HSV颜色直方图、一二三阶颜色矩、Gabor小波和SIFT特征描述子的多特征融合方法,以解决敌方目标识别问题.为了验证本文提出的方法,我们主要在国际著名的Caltech 101数据库图像数据库上进行效果测试.
本文其余章节组织如下：第二部分综述采用的方法；第三部分给出了SVM分类所需的图像特征：RGB颜色直方图和颜色矩、Gabor小波、SIFT特征,同时给出了SIFT的金字塔核方法.第四部分在的Caltech 101数据库图像数据库进行实验,并给出了实验结果.
2 方法综述
本文的目地是为了实现一个简单而实用的敌对目标识别方法.因此,使用HSV颜色直方图、一、二、三阶颜色矩、Gabor小波和SIFT组成SVM特征空间以实现分类,通过多特征融合的方法实现了敌对目标识别.敌对目标识别方法流程如下:
2.1 图像特征的获取.
对每个训练图像集合中的每一个图像,首先生成HSI颜色直方图、一、二、三阶颜色矩和Gabor小波构造第一个SVM特征子空间。然后针对SIFT构造第二个SVM特征子空间。针对这两个SVM特征子空间，分别使用LibSVM进行训练,获取SVM模型信息.使用训练好的SVM模型,多核多特征融合方式分类识别.图1是获取特征空间的过程. 图2是针对特征空间, 多特征多核识别
.
图1 获取特征空间的过程 图2 多特征识别
2.2 负载均衡考虑
在图像推介过程中，需要针对训练图像和待分类图像获取RGB颜色直方图、一、二、三阶颜色矩和Gabor小波、SIFT特征,然后进行SVM训练.在推介过程中,需要模糊化0上下文信息,使用上下文敏感SVM和CF协同工作方式进行推介.因此推介系统需要极高的运算性能和运算内存,在实际处理中通常采取分布使处理，以实现负载均衡。本文采取多个服务器分担两个SVM训练、多核判断处理、协同推介.这些服务器之间通过TCP自定义协议方式进行通讯。分布式处理的过程如图3所示。
图3分布式处理工作过程
3 图像特征获取
利用图像的HSV颜色直方图、颜色矩、Gabor小波和SIFT特征进行目标分类.以此为基础训练三个SVM分类器,形成多判别分类器进行目标识别. 3.1 HSV颜色直方图和颜色矩
提取图像的HSV颜色直方图和图像的颜色矩.HSI颜色空间是直方图最常用的颜色空间,它的三个分量分别代表色彩（Hue）、饱和度（Saturation）和强度(Intensity）. HSI模型是Munseu提出的, 这个模型的建立基于两个重要的事实： ① I分量与图像的彩色信息无关；② H和S分量与人感受颜色的方式是紧密相联的.这些特点使得HSI模型非常适合借助人的视觉系统来感知彩色特性. 公式1为HIS与RGB转换公式.
颜色矩是一种简单而有效的颜色特征,是由Stricker和Oreng提出的,这种方法的数学基础是图像中的任何的颜色分布均可以用它的矩来表示.此外,由于颜色分布信息主要集中在低阶矩中,因此,仅采用颜色的一阶矩(mean)、二阶矩(Variance)和三阶矩(Skewness)就可以表达图像的颜色分布. 公式2为一、二、三阶颜色矩计算
公式.图7 原始图像,图8 HSI颜色直方图(16 bin),图9 颜色矩.
I
13
(R G B)
3R G B
min(R,G,B)
ui
1N
N
P
j 1
ij
s 1
i (
1N1N
N
1
ij
(P
j 1N
ui))2
1
2
H arccos(
)21/2
[(R G) (R B)(G B)]
[(R G) (R B)]/2
Si (
(P
j 1
ij
ui))3
3
公式1 HSI与RGB转换公式 公式2 一、二、三阶颜色矩计算公式
.
图7 原始图像 图8 HSI颜色直方图(16 bin) 图9 颜色矩
3.2 Gabor小波
图像I(Z)=I(x,y)表示图像的灰度分布，则图像I和Gabor小波gu,v的卷积为: O
u,v
(Z) I(Z) gu,v (3)
符号 表示卷积。二维Gabor小波的核函数gu,v[11]定义为:
gu,v K
u,v
ku,v
u.vZ2
2
2
e(e
ik
u,v
Z
e
2
2
) (4)
(kvcos u,kvsin u) (5)
定义了向量范式.在本文中取尺度为4,方向为6.
其中 u,kv分别定义了波向量的方向和尺度，
z=(x,y), 3.3 SIFT特征和同维方法
SIFT是由Lowe提出的图像局部特征描述子,在物体识别方面有很好的应用．SIFT算法具有如下特点： a)SIFT对旋转、尺度缩放、亮度变化保持不变性，对视角变化、仿射变换、噪声也保持一定程度的稳定性。
百度搜索“yundocx”或“云文档网”即可找到本站免费阅读全部范文。收藏本站方便下次阅读，云文档网，提供经典医药卫生基于多特征融合的敌对目标检测新方法在线全文阅读。
最新更新：
