基于多特征融合的敌对目标检测新方法(3)

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。

b) 独特性好，信息量丰富，适用于在海量特征数据库中进行快速、准确的匹配。 c) 多量性，即使少数的几个物体也可以产生大量SIFT特征向量。 d) 高速性，经优化的SIFT匹配算法甚至可以达到实时的要求。 e) 可扩展性，可以很方便的与其他形式的特征向量进行联合。

SIFT实质是一个基于极值点位置和图像方向直方图统计的特征描述子.其实现步骤分为三步：1、极值点位置获取. 2、关键点方向分配. 3、特征点描述子生成.