摘  要： 為提高目標(biāo)識(shí)別的準(zhǔn)確性和快速性,，提出了基于全局和局部特征對(duì)目標(biāo)識(shí)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(lái)表達(dá)目標(biāo)的局部特征，最后將全局和局部特征進(jìn)行數(shù)據(jù)融合得到圖像的識(shí)別結(jié)果,。實(shí)驗(yàn)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(shí)別目標(biāo),，且識(shí)別效果優(yōu)于單一的全局特征和局部特征的識(shí)別效果,。
關(guān)鍵詞： 目標(biāo)識(shí)別；全局特征,； 局部特征,； 數(shù)據(jù)融合

    實(shí)際意義的目標(biāo)大都處在復(fù)雜背景之中，目標(biāo)檢測(cè)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(shí)間變化使目標(biāo)相對(duì)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(lái),，目標(biāo)識(shí)別成為研究的熱點(diǎn)，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(shí)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(shí)別算法,，融合效果優(yōu)于單個(gè)效果的識(shí)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(shí)別問(wèn)題。這些大多是單一特征的識(shí)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(bǔ)關(guān)系，在目標(biāo)識(shí)別上取得了良好的識(shí)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(duì)應(yīng)的景物的表面性質(zhì)。一般顏色特征是基于像素點(diǎn)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(xiàn),。
1.1 HSV空間模型及其量化
　HSV模型[5]是人們用來(lái)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(gè)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(diǎn)特征向量的歐氏距離來(lái)作為圖像中關(guān)鍵點(diǎn)的相似性判定度量,。在實(shí)際計(jì)算時(shí)，一般計(jì)算歐氏距離的最近值與次最近值的比值,，若比值小于某個(gè)閾值,，則認(rèn)為是匹配對(duì)。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(duì)數(shù)量就會(huì)越小。
3 目標(biāo)識(shí)別
    目標(biāo)識(shí)別是計(jì)算機(jī)視覺(jué)和圖像處理中的一個(gè)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(shí)別流程，分為以下幾步：
    (1)基于全局顏色特征,，確定識(shí)別目標(biāo)的大體區(qū)域,；
    (2)對(duì)復(fù)雜目標(biāo)進(jìn)行角點(diǎn)檢測(cè),；
    (3)對(duì)得到的特征點(diǎn)進(jìn)行描述,；
    (4)將得到的特征在復(fù)雜目標(biāo)中進(jìn)行匹配；
    (5)輸出識(shí)別結(jié)果,。
4 實(shí)驗(yàn)結(jié)果
4.1 全局特征識(shí)別
　通過(guò)感興趣目標(biāo)的顏色直方圖,，可以對(duì)其在復(fù)雜場(chǎng)景中進(jìn)行顏色分割，從而縮小了復(fù)雜場(chǎng)景的范圍,，減少了搜索時(shí)間,，提高了效率。識(shí)別結(jié)果如圖5所示,。

4.2 局部特征識(shí)別
    基于前面所述的局部特征匹配的步驟提取出特征點(diǎn)并進(jìn)行SFIT特征匹配,在復(fù)雜場(chǎng)景中很快搜尋到與感興趣目標(biāo)相匹配的目標(biāo),。實(shí)驗(yàn)結(jié)果如圖6所示,。 

    本文基于全局和局部特征對(duì)復(fù)雜目標(biāo)進(jìn)行識(shí)別，通過(guò)實(shí)驗(yàn)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(duì)復(fù)雜場(chǎng)景中的目標(biāo)進(jìn)行識(shí)別,。
參考文獻(xiàn)
[1] 林玉池,，崔彥平，黃銀國(guó).復(fù)雜背景下邊緣提取與目標(biāo)識(shí)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(jī)載雷達(dá)和紅外數(shù)據(jù)融合的智能目標(biāo)識(shí)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(shí)別[J].光學(xué)學(xué)報(bào),，2009,29(5)：1223-1226.
[4] 沈保國(guó)，陳數(shù)人,，尹建軍,等.基于顏色特征的棉田綠色雜草圖像識(shí)別方法[J].農(nóng)業(yè)工程學(xué)報(bào),，2009,25(6)：163-167.
[5] 王夏黎，周明全,，耿國(guó)華.一種基于HSV顏色空間的車輛牌照提取方法[J].計(jì)算機(jī)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(shí)現(xiàn)[D].北京：北京郵電大學(xué),，2006.
[7] 楊艷偉.基于SIFT特征點(diǎn)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.