本發(fā)明屬于圖像特征提取技術(shù)領(lǐng)域，涉及一種具有目標面積比不變性的特征提取方法，可以提高特征提取的精度。

背景技術(shù)：

目標分類是圖像模式識別的重要領(lǐng)域之一，具有十分廣泛的應(yīng)用。而特征提取作為目標分類的核心內(nèi)容，對分類器設(shè)計及其性能有很大的影響。現(xiàn)有的特征提取方法得到的特征通常對切片中的目標面積比是敏感的，或者說不具有不變性。以被廣泛使用的標準差為例(標準差特征可參考文獻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.)，它描述了一個切片中像素的灰度浮動程度，但是這個特征并不能準確地描述目標切片的灰度浮動程度。以兩組來自于同一場景的固定尺寸切片為例，每組切片中都含有兩類樣本，例如虛警和艦船目標。第一組切片中，艦船目標類樣本的目標面積與虛警類樣本的虛警面積近似或者比虛警大。這種情況下，虛警類的樣本切片標準差一般會小于目標類樣本切片。第二組切片中，艦船目標類切片中目標面積相對較小，而虛警區(qū)域的面積很大。這種情況下虛警切片的標準差有可能大于艦船目標切片的標準差。這是因為在目標面積相對較小時，目標區(qū)域?qū)τ谡麄€切片的標準差貢獻是很小的，而虛警灰度雖然普遍低于艦船目標灰度，但是由于虛警面積較大，所以也有可能得到較高的標準差。因此，標準差特征對目標切片中目標面積比十分敏感，無法有效表示目標切片的灰度浮動程度?；诖丝紤]，本發(fā)明提出一種與面積比無關(guān)的特征提取方法，它可以不受目標面積比的影響，準確描述目標切片的灰度浮動程度，提高不同種類目標切片的區(qū)分度。

技術(shù)實現(xiàn)要素：

本發(fā)明通過消除目標切片中目標面積比對特征的影響，得到提取的特征。該特征提取方法可以更為準確地反映目標切片的灰度浮動，有效提高特征提取的精度，改善不同種類目標切片的區(qū)分度。

本發(fā)明的技術(shù)方案是：

首先利用二維Otsu分割方法對目標切片進行分割，得到目標區(qū)域和背景區(qū)域；然后分別計算目標區(qū)域和背景區(qū)域的二階中心矩，消除面積比的影響；最終綜合目標區(qū)域和背景區(qū)域的二階中心矩得到特征，即將二階中心矩乘以各自的歸一化系數(shù)，再求其和的平方根，得到具有目標面積比不變性的特征。

本發(fā)明的有益效果是：

1.本發(fā)明提出的特征提取方法通過去除目標區(qū)域和背景區(qū)域面積的影響，具有對目標面積比不變的性質(zhì)，可以更準確地反映目標切片的灰度浮動。

2.本發(fā)明提出的特征提取方法由于具有目標面積比不變的性質(zhì)，因此可以改善不同種類目標切片的區(qū)分度，有助于提高目標切片分類的精度。

3.采用本發(fā)明提出的特征提取方法不需要設(shè)置額外的參數(shù)，簡潔易行。

附圖說明

圖1為本發(fā)明實驗數(shù)據(jù)；

圖2為本發(fā)明流程圖；

圖3為本發(fā)明實驗結(jié)果對比圖。

具體實施方式

圖1為本發(fā)明實驗數(shù)據(jù)，為來源于同一場景下的18個TerraSAR-X切片，其大小為250×250，其中目標面積比較大的切片6個(大艦船目標，圖1(a))，目標面積比較小的切片6個(小艦船目標，圖1(b))，虛警目標切片6個(圖1(c))。

圖2為本發(fā)明流程圖，具體實施步驟如下：

第一步，利用二維Otsu分割方法對切片圖像進行分割，得到目標區(qū)域和背景區(qū)域。

二維Otsu分割方法可以參考文獻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.

將目標切片進行分割后，一部分為目標區(qū)域(艦船目標或虛警)，其像素記為x_i，像素個數(shù)記為n₁；另一部分為背景區(qū)域，其像素記為x_j，像素個數(shù)記為n-n₁(其中n為目標切片像素總數(shù))。

第二步，分別計算目標區(qū)域和背景區(qū)域的二階中心矩，消除面積比的影響。

目標區(qū)域和背景區(qū)域的二階中心矩分別為其中μ₀定義為修正的均值，如下所示，

其中λ為一個調(diào)整目標區(qū)域和背景區(qū)域面積比對特征影響的系數(shù)，可以取(0,1)間的任一值，一般取為0.5。

第三步，綜合目標區(qū)域和背景區(qū)域的二階中心矩得到特征，即將二階中心矩乘以各自的歸一化系數(shù)和再求其和的平方根σ₀，σ₀即為本發(fā)明提出的特征，如下所示，

通過推導，可以證明特征σ₀與目標面積比無關(guān)。

同時統(tǒng)計圖1中18個目標切片的標準差和本發(fā)明提出的特征提取方法結(jié)果，得到結(jié)果如表1。

表1標準差和本發(fā)明特征提取方法對比表

從表中可以看出在標準差中，小艦船目標與虛警的標準差都在30左右，因此難以區(qū)分小艦船目標與虛警。而利用本發(fā)明提出的特征提取方法進行計算，無論是大艦船目標還是小艦船目標的結(jié)果都集中在100左右，而虛警的結(jié)果仍然維持在一個較小水平的值上，因此可以很容易區(qū)分艦船目標與虛警。

圖3為本發(fā)明實驗結(jié)果對比圖，圖3(a)和圖3(b)的橫坐標均為測試樣本的編號，圖3(a)縱坐標為標準差值，圖3(b)縱坐標為本發(fā)明提出的特征提取方法得到的結(jié)果，其中深色三角形實線代表大艦船目標的值，淺色三角形虛線代表小艦船目標的值，深色菱形虛線代表虛警的值。從圖3(a)中可以看出，對于目標面積比較大的圖像，標準差可以準確反映目標切片與虛警切片的差異，并能有效將其分開，而對于目標面積比較小的圖像，它所計算出來的標準差就容易與虛警目標混淆。從圖3(b)可以看出，本發(fā)明特征提取方法結(jié)果可以準確將目標與虛警分開，有良好的可分度，有助于提高目標切片分類的精度。

以上所述僅是本發(fā)明的優(yōu)選實施方式，應(yīng)當指出，對于本技術(shù)領(lǐng)域的普通技術(shù)人員來說，在不脫離本發(fā)明原理的前提下，還可以做出若干改進和潤飾(例如利用本發(fā)明特征提取方法改進其它特征)，這些改進和潤飾也應(yīng)視為本發(fā)明的保護范圍。