一種融合形狀特征和興趣點(diǎn)的物體識別方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及物體識別，尤其涉及一種融合形狀特征和興趣點(diǎn)的物體識別方法。
【背景技術(shù)】
[0002] 物體識別，是計(jì)算機(jī)能夠?qū)θ魏苇h(huán)境下觀察到的任意物體進(jìn)行分類和辨別。其被 廣泛地應(yīng)用于醫(yī)學(xué)圖像，視頻監(jiān)控，虛擬現(xiàn)實(shí)，機(jī)器人，遙感，視覺導(dǎo)航和數(shù)字圖書館等方 面。在計(jì)算機(jī)視覺領(lǐng)域中，物體識別主要包括物體特征的提取、表示以及決策、分類的過程。 其中，所提取特征的優(yōu)劣直接影響最終的物體識別率。目前對物體識別的研究中，有提取物 體的全局特征的識別算法，也有提取物體的局部特征的識別算法。文獻(xiàn)[1，2]使用不變矩 提取物體的形狀特征，從而完成物體識別。該方法對于物體的平移、旋轉(zhuǎn)、縮放都具有較高 的魯棒性，但對于噪聲物體的識別，其識別率較低。文獻(xiàn)[3, 4]采用SIFT算法提取物體的 局部特征，算法穩(wěn)定性較高，但計(jì)算較耗時(shí)，對識別速度有一定的影響。文獻(xiàn)[5]融合HU 矩和SIFT特征來表示商標(biāo)，該方法的識別率高于二者單獨(dú)使用的識別率，但由于SIFT特征 的維數(shù)較高，識別速度不理想，更重要的是該方法沒有考慮HU矩和SIFT特征對最終識別率 的貢獻(xiàn)度。
[0003] 針對現(xiàn)有算法的優(yōu)缺點(diǎn)，本文將形狀特征和興趣點(diǎn)融合起來描述物體，然后采用 相似性測度來識別物體。其中，物體的形狀特征采用改進(jìn)的HU矩描述，興趣點(diǎn)采用快速魯 棒特征進(jìn)行描述。采用相似性測度識別物體時(shí)，考慮改進(jìn)的HU矩和快速魯棒特征對識別率 的貢獻(xiàn)度，引入權(quán)值因子。
[0004] 參考文獻(xiàn)：
[1] Esin Dogantekin , Mustafa Yilmaz, Akif Dogantekin , Engin Avci. A robust technique based on invariant moments - ANFIS for recognition of human parasite eggs in microscopic images[J]. Expert Systems with Applications, 2008, 35: 728-738.
[2] Zhang Feng, Liu Shangqianj Wang Dabaoj Guan Wei. Aircraft recognition in infrared image using wavelet moment invariants [J]. Image and Vision Computing，2009，27:313-318.
[3] Shengnan Sun, Shicai Yang, Lindu Zhao. Noncooperative bovine iris recognition via SIFT[J]. Neurocomputing, 2013,120: 310-317.
[4] Georgios Kordelasj Petros Daras. Viewpoint independent object recognition in cluttered scenes exploiting ray-triangle intersection and SIFT algorithms[J]. Pattern Recognition, 2010,43: 3833-3845.
[5] 王振海，融合HU不變矩和SIFT特征的商標(biāo)檢索[J].計(jì)算機(jī)工程與應(yīng) 用，2012, 48(1):187 -191.
[6] M. K. Bhuyanj Karl F. MacDormanj Mithun Kumar Kar. Hand pose recognition from monocular images by geometrical and texture analysis[J]. Journal of Visual Languages &Computing, 2015, 28(1) :39-55.
[7] Jie Zhuj Jian Yuj Chaomurilige Wang. Object recognition via contextual color attention[J]. Journal of Visual Communication and Image Representation, 2015,27(2): 44-56.
[8] Shah Atiqur Rahman, M. K. H. Leung, Siu-Yeung Cho. Human action recognition employing negative space features[J]. Journal of Visual Communication and Image Representation，2013, 24(3) :217-231.
[9] Vicente Palazon-Gonzalezj Andres Marzalj Juan M.Vilar. On hidden Markov models and cyclic srings for shape recognition [J]. Pattern Recognition，2014, 47 (7): 2490 -2504.
[10] Hu M K. Visual pattern recognition by moment invariant[J]. IRE Trans Information Theory, 1962,1 (8): 179 -187.
[11] 張蕾，劉勇，范慶輝.基于修正不變矩和范數(shù)的物體特征識別方法[J].微電子學(xué) 與計(jì)算機(jī)，2008, 25 (6):42-47.
[12] Leonardo Chang, Miriam M. Duarte, L. Ε. Sucarj Eduardo F. Morales. A Bayesian approach for object classification based on clusters of SIFT local features[J]. Expert Systems with Applications， 2012,39(4):1679-1686.
[13] Shengnan Sun,Shicai Yang, Lindu Zhao. Noncooperative bovine iris recognition via SIFT[J]. Neurocomputing, 2013, 120(I):310-317.
[14] Zhenbing Zhao, Ning Liu. The recognition and localization of insulators adopting SURF and IFS based on correlation coefficient [J]. International Journal for Light and Electron Optics, 2014, 125(20):6049-6052.
[15] Hunny Mehrotraj Pankaj K. Saj Banshidhar Majhi. Fast segmentation and adaptive SURF descriptor for iris recognition[J]. Mathematical and Computer Modelling，2013，58(1): 132-146。

【發(fā)明內(nèi)容】

[0005] 為解決上述技術(shù)問題，一種融合形狀特征和興趣點(diǎn)的物體識別方法，將形狀特征 和興趣點(diǎn)融合起來描述物體，然后采用相似性測度來識別物體。
[0006] 為實(shí)現(xiàn)上述技術(shù)目的，本發(fā)明所采用的技術(shù)方案是：一種融合形狀特征和興趣點(diǎn) 的物體識別方法，其特征在于：包括以下步驟， 步驟一、提取物體的形狀不變矩特征，即，其中心::為 物體的七個(gè)HU矩；
步驟二、提取物體的興趣點(diǎn)，即SURF根據(jù)尺度空間理論提取特征點(diǎn)，在各尺度下通過 Hessian矩陣的行列式獲得圖像中的興趣點(diǎn)，Hessian矩陣可定義為：
(3) 式中，表示任意一點(diǎn)，·表示相應(yīng)的尺度，·、藏...和是圖像上的點(diǎn)與對應(yīng) 的高斯濾波二階偏導(dǎo)的卷積結(jié)果； 通過改變盒子濾波的大小來構(gòu)建不同尺度的金字