0
引言
随着战争样式的日益多样化和各种电子战手段的综合运
细节描述能力， 在特征匹配、 图像理解和配准等工程中有着广 泛的应用
［7 ， 8 ］
。相比其他方法， 尺度不变特征变换算法能够获
且对于旋转、 缩放、 甚至光照等变化有 取更多的稳定特征信息， 可以在大量的特征数据库中进行快速准确的 着很好的不变性， 匹配
第7 期
张平定， 等: 基于尺度不变特征的目标识别与跟踪方法
取 0． 75 。具体匹配算法可描述为： a） 为 F b 的全部元素建立索引。
· 2203·
和待检测区域， 提出了一种基于图像配准技术的目标识别与跟 踪方法。实验表明， 该方法具有良好的实时稳定跟踪特性 。
1
尺度不变特征变换算法原理
尺度不变特征变换算法的基本原理是： 首先将输入图像通
。
因此， 提高图像配准算法的自适应能力和匹配效率就成了实现
61272011 ) ; 国家 重 点 实验 室 基金资 基金项目： 国家自然科学基金资助项目( 60773209 ，
作者简介： 张平定( 1949-) ， 男， 陕西三原人， 教授， 硕导， 主要研究方向为通信与信息 系统 ( 1196204417@ qq． com ) ; 安东 ( 1975-) ， 男， 陕西 绥德 人， 讲师， 主要研究方向为智能信 息处理．
1 /2 （ L（ x， y + 1 ） － L（ x， y － 1 ） ） 2］ 2
2. 2. 1
+ （ 3） （ 4）
14 ， 15］利用前后两帧目标 体变化时容易丢失跟踪目标， 文献［ 图像的相似性进行目标的持续鲁棒性跟踪， 取得了较好的效 果。然而， 跟踪实验结果表明： 如果仅仅利用相邻目标图像的 约束关系， 尺度不变特征会表现出强烈的不稳定性， 这种不稳 定性直接导致符合图像变换约束的特征点越来越少 。 本文通 过构建动态的待匹配特征点集成功地解决了这个问题 。 特征 点集 TG_SET all 可表示为
其中： k 是常数因子。 1. 2 特征描述 尺度不变特征变换理论为每个特征点建立一个描述符， 使 其不随各种变化而改变， 且每个描述符都有较高的独特性， 从 而不断提高特征点正确匹配的概率 。因此， 利用特征点邻域像 使描述符具 素的梯度方向分布特性为每一个特征点分配方向， 有旋转不变性：
m（ x， y） = ［ （ L（ x + 1 ， y） － L（ x － 1 ， y） ）
（ 2）
y， 其中： G（ x， σ ） = （ 2 πσ ）
2
－1
e
－ （ x 2 + y 2 ） / 2 σ2
表示尺度可变高斯函
y ） 表示图像在像素点（ x， y ） 处的灰度 数； * 为卷积符号； I （ x， 值； σ 为尺度空间因子。为了更高效地检测到稳定和独特的特 征点， 可利用不同尺度的高斯差分方程同图像进行卷积， 求取 高斯差尺度空间：
第 30 卷第 7 期 2013 年 7 月
计 算 机 应 用 研 究 Application Research of Computers
Vol． 30 No． 7 Jul． 2013
基于尺度不变特征的目标识别与跟踪方法
张平定，安
摘
*
东
( 西安外事学院 工学院，西安 710077 ) 要： 针对复杂电磁环境下目标实时识别追踪的复杂性和多样性， 利用图像配准技术提出了一 种 基 于 尺 度 不
ቤተ መጻሕፍቲ ባይዱ
变特征的目标识别与跟踪方法， 有效地反映了目标图像 的 特征 分布， 提 高 了 跟踪 与 识 别系统的 可 靠 性。 实验 表 明， 当目标进行较大角度改变和背景发生剧烈变化时， 该 方法能 有效 减 小 目 标跟踪 误 差， 精 确识 别 目 标 位 置， 提 高目标跟踪精度。 关键词： 特征提取; 目标识别; 目标跟踪 中图分类号： TN911. 73 文献标志码： A 文章编号： 1001-3695 ( 2013 ) 07-2202-04 doi： 10． 3969 / j． issn． 10013695． 2013． 07． 070
收稿日期： 2012-09-19 ; 修回日期： 2012-11-07 助项目( 2012ADL-DW0301 )
［6 ］
子拓展到多尺度图像域， 提出了一种 SAR 图像尺度不变特征
［14 ］
利用全景图充分覆盖局部场景信息特性，
给出 了 基 于 全 景 子 空 间 的 尺 度 不 变 特 征 跟 踪 方 法； 孙 抗 等 通过设计基于差异度函数和索引值的两级特征匹配方 法， 构建了基于局部亮度直方图特征的实时目标识别与跟踪系 目前的尺度不变特征转换算法均是通过参考图像与 统。然而， 待配准连续图像的匹配来实现目标识别与跟踪的， 虽然对背景 的变化保持了不变性， 但当目标发生明显的形体变化时依然容 易丢失跟踪目标。鉴于此， 本文通过建立动态的待匹配特征点 增强了图像变换约束特征点的稳定性； 通过构建目标区域 集，
k m k TG_SET k all = TG_SET det + ∑ i = 1 TG_SET i k det k
L（ x， y + 1 ） － L（ x， y － 1） y） = tan － 1［ ］ θ（ x， L（ x + 1 ， y） － L（ x － 1 ， y）
y + 1） 、 L（ x， y － 1） 、 L（ x － 1 ， y） 、 L（ x + 1 ， y） 分别 其中： 尺度 L（ x， y） 上下左右四个像素点的尺度值， 表示关键点（ x， 此时的关键 大小和方向三个参数。 点具有位置、 1. 3 特征匹配 通常依据特征间的相似性对特征点进行匹配 。 相似性度 量方法有很多， 实际应用中主要利用最近邻方法对特征点进行 匹配。对于提取出来的描述符， 首先计算待匹配点与需要匹配 的数量较多的特征点描述符间的欧氏距离； 其次根据匹配准 则， 当最近点与次近点的距离比小于某个阈值时， 则认为匹配 成功。具体的匹配过程可描述为： 设待匹配的图像为 A 与 B， 其特征点描述向量分别为：
b） 由式（ 5 ） 得到 F a 中每个元素的近似 k 近邻， 返回两个 最近邻特征点 f1 和 f2 。 c） 根据匹配规则确定是否为 k i 的有效匹配。 d） 对所有 k i 重复算法， 得到 F b 的特征点 k1 配到的所有特征点对的集合 。 k nb 与 F a 匹
形成高斯金字塔 过不同尺度的高斯核函数连续滤波和下采样， 图像， 然后对相邻尺度的两个高斯图像相减得到金字塔多尺度 空间表示； 而后对该尺度空间每个点与相邻尺度和相邻位置的 点逐个进行比较得到局部极值位置， 即关键点所处的位置和尺 度。其主要包括以下几个关键步骤 。 1. 1 特征提取 为了使特征具有尺度不变性， 特征点的检测是在多尺度空 间内完成的。一幅二维图像的尺度空间可定义为
D（ x， y， y， kσ） － G（ x， y， y） = σ） = （ D（ x， σ） ） * I（ x， L（ x， y， kσ） － L（ x， y， σ）
b） 计算图像中检测出特征点的特征描述符 。 c） 利用特征匹配算法对参考图像和待配准图像的特征点 去除明显错误的匹配点对 。 进行粗匹配， d） 利用文献［ 16］ 的直觉模糊核匹配算法精确去除步骤 c） 中保留匹配点对中的错误匹配点对， 获取待配准图像中与参考 图像对应的正确匹配点集 。 2. 2 目标跟踪算法 确定待匹配特征点集 基于尺度不变特征的目标跟踪算法在目标发生明显的形
Method of target recognition and tacking based on scale invariant feature
ZHANG Pingding，AN Dong
（ Engineering Institute，Xi’ an International University，Xi’ an 710077 ，China）
L（ x， y， y， y） σ） = G （ x， σ） * I（ x， （ 1）
2
基于尺度不变特征的动态连续目标识别与跟踪 算法
2. 1
目标识别算法 若事先获悉目标的图像特征， 那么目标识别就转换为一个
图像配准过程。设已知特征的目标图像为参考图像， 动态目标 视频中的第一帧为待配准图像 。 由于目标在第一帧图像的位 置、 角度和方向等均是未知信息， 为获得更好的目标识别率和 跟踪效果， 需先获取目标的各种成像信息， 即参考图像信息。 目标识别就是用多幅多角度的参考图像和第一帧图像进行配 准， 寻找第一帧图像中目标的各类信息 。具体的识别算法可表 示为： a） 从参考图像和待配准图像中获取尺度不变特征点 。
［9 ， 10 ］
用， 未来战场态势瞬息万变， 如何实时有效地获悉战场目标的 位置和运动情况、 分辨目标类型、 判断敌对目标的威胁程度并 跟踪攻击已成为制约军事态势评估系统性能提高的决定因素， 在学术界和工程技术领域引起了重点关注
［1 ］
。因此， 基于尺度不变特征的空间理论一经问世， 就
［11 ］
迅速发展成为一个重要而有趣的热门研究课题， 取得了大量有 价值的理论成果。Zhu 等人 利用尺度不变原理设计出一种
［15 ］ ［13 ］
。根据匹配思想， 图像配准算法大
将单尺度图像特征点检测中的 Harris 算
致可分为基于图像灰度和基于图像特征的两类匹配方法。灰度 匹配是按照某种相似性度量对图像的灰度阵列进行搜索、 比较 实现图像配准， 该算法的主要缺点是对图像尺度和仿射变化等 过于敏感， 实际应用中难以保持良好的准确性和匹配效率； 特征 匹配是目前应用比较成功的一种算法， 能有效提取目标图像稳 匹配准确度高， 但是算法复杂， 应用范围受限 定的特征数据， 目标识别与跟踪系统智能化亟待研究解决的重要问题。 以尺度不变特征变换为代表的不变量空间理论是近年来 以其优越的鲁棒性和图像 兴起的一种新的图像特征提取方法，