一种具有目标面积比不变性的特征提取方法与流程

本发明属于图像特征提取技术领域，涉及一种具有目标面积比不变性的特征提取方法，可以提高特征提取的精度。

背景技术：

目标分类是图像模式识别的重要领域之一，具有十分广泛的应用。而特征提取作为目标分类的核心内容，对分类器设计及其性能有很大的影响。现有的特征提取方法得到的特征通常对切片中的目标面积比是敏感的，或者说不具有不变性。以被广泛使用的标准差为例(标准差特征可参考文献D.E.Kreithen,S.D.Halversen and G.J.Owirka,“Discriminating targets from clutter,”Lincoln Lab.J.,vol.6,no.1,pp.25–52,1993.)，它描述了一个切片中像素的灰度浮动程度，但是这个特征并不能准确地描述目标切片的灰度浮动程度。以两组来自于同一场景的固定尺寸切片为例，每组切片中都含有两类样本，例如虚警和舰船目标。第一组切片中，舰船目标类样本的目标面积与虚警类样本的虚警面积近似或者比虚警大。这种情况下，虚警类的样本切片标准差一般会小于目标类样本切片。第二组切片中，舰船目标类切片中目标面积相对较小，而虚警区域的面积很大。这种情况下虚警切片的标准差有可能大于舰船目标切片的标准差。这是因为在目标面积相对较小时，目标区域对于整个切片的标准差贡献是很小的，而虚警灰度虽然普遍低于舰船目标灰度，但是由于虚警面积较大，所以也有可能得到较高的标准差。因此，标准差特征对目标切片中目标面积比十分敏感，无法有效表示目标切片的灰度浮动程度。基于此考虑，本发明提出一种与面积比无关的特征提取方法，它可以不受目标面积比的影响，准确描述目标切片的灰度浮动程度，提高不同种类目标切片的区分度。

技术实现要素：

本发明通过消除目标切片中目标面积比对特征的影响，得到提取的特征。该特征提取方法可以更为准确地反映目标切片的灰度浮动，有效提高特征提取的精度，改善不同种类目标切片的区分度。

本发明的技术方案是：

首先利用二维Otsu分割方法对目标切片进行分割，得到目标区域和背景区域；然后分别计算目标区域和背景区域的二阶中心矩，消除面积比的影响；最终综合目标区域和背景区域的二阶中心矩得到特征，即将二阶中心矩乘以各自的归一化系数，再求其和的平方根，得到具有目标面积比不变性的特征。

本发明的有益效果是：

1.本发明提出的特征提取方法通过去除目标区域和背景区域面积的影响，具有对目标面积比不变的性质，可以更准确地反映目标切片的灰度浮动。

2.本发明提出的特征提取方法由于具有目标面积比不变的性质，因此可以改善不同种类目标切片的区分度，有助于提高目标切片分类的精度。

3.采用本发明提出的特征提取方法不需要设置额外的参数，简洁易行。

附图说明

图1为本发明实验数据；

图2为本发明流程图；

图3为本发明实验结果对比图。

具体实施方式

图1为本发明实验数据，为来源于同一场景下的18个TerraSAR-X切片，其大小为250×250，其中目标面积比较大的切片6个(大舰船目标，图1(a))，目标面积比较小的切片6个(小舰船目标，图1(b))，虚警目标切片6个(图1(c))。

图2为本发明流程图，具体实施步骤如下：

第一步，利用二维Otsu分割方法对切片图像进行分割，得到目标区域和背景区域。

二维Otsu分割方法可以参考文献J.Liu,W.Li,and Y.Tian,“Automatic thresholding of gray-level pictures using two-dimensional Otsu method,”China 1991Int.Conf.on Circuits and Syst.,Shenzhen,China,Jun.1991,pp.325-327.

将目标切片进行分割后，一部分为目标区域(舰船目标或虚警)，其像素记为x_i，像素个数记为n₁；另一部分为背景区域，其像素记为x_j，像素个数记为n-n₁(其中n为目标切片像素总数)。

第二步，分别计算目标区域和背景区域的二阶中心矩，消除面积比的影响。

目标区域和背景区域的二阶中心矩分别为其中μ₀定义为修正的均值，如下所示，

其中λ为一个调整目标区域和背景区域面积比对特征影响的系数，可以取(0,1)间的任一值，一般取为0.5。

第三步，综合目标区域和背景区域的二阶中心矩得到特征，即将二阶中心矩乘以各自的归一化系数和再求其和的平方根σ₀，σ₀即为本发明提出的特征，如下所示，

通过推导，可以证明特征σ₀与目标面积比无关。

同时统计图1中18个目标切片的标准差和本发明提出的特征提取方法结果，得到结果如表1。

表1标准差和本发明特征提取方法对比表

从表中可以看出在标准差中，小舰船目标与虚警的标准差都在30左右，因此难以区分小舰船目标与虚警。而利用本发明提出的特征提取方法进行计算，无论是大舰船目标还是小舰船目标的结果都集中在100左右，而虚警的结果仍然维持在一个较小水平的值上，因此可以很容易区分舰船目标与虚警。

图3为本发明实验结果对比图，图3(a)和图3(b)的横坐标均为测试样本的编号，图3(a)纵坐标为标准差值，图3(b)纵坐标为本发明提出的特征提取方法得到的结果，其中深色三角形实线代表大舰船目标的值，浅色三角形虚线代表小舰船目标的值，深色菱形虚线代表虚警的值。从图3(a)中可以看出，对于目标面积比较大的图像，标准差可以准确反映目标切片与虚警切片的差异，并能有效将其分开，而对于目标面积比较小的图像，它所计算出来的标准差就容易与虚警目标混淆。从图3(b)可以看出，本发明特征提取方法结果可以准确将目标与虚警分开，有良好的可分度，有助于提高目标切片分类的精度。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰(例如利用本发明特征提取方法改进其它特征)，这些改进和润饰也应视为本发明的保护范围。