[发明专利]结合Gabor小波和SVM进行物体识别的方法

说明书

技术领域

本发明涉及物体识别，尤其涉及一种结合Gabor小波和SVM进行物体识别的方法。

背景技术

三维物体识别是模式识别和计算机视觉的重要研究领域之一。其主要任务是识别出图像中有什么类型的物体，并反映出物体在具体场景中的位置和方向。在实际的场景中，物体的观测数据受多因素的影响，会发生显著的变化，如：物体的形状、尺寸、光照和视角变化；噪声干扰；部分遮挡等。对计算机视觉系统而言，排除这些干扰，快速而准确地识别出物体的类别是比较困难的。三维物体识别主要包括两个关键步骤：特征提取和分类识别。对于特征提取，当前主要提取物体的颜色特征、形状特征、纹理特征。颜色是物体最直接、最重要的视觉特性之一，并且计算量较小，但其信息量比较简单，一般和其它特征联合使用。形状特征主要是指物体的不变矩特征，因不变矩比较复杂，计算量较大，所以现在用的不多。纹理特征是对图像空间信息进行定量描述，具有旋转不变性，并对噪声有较好的鲁棒性。

发明内容

为解决上述技术问题，一种结合Gabor小波和SVM进行物体识别方法。首先用Gabor小波变换对图像进行处理，然后用PCA进行降维，最后用SVM分类器进行分类识别。并将该方法应用于哥伦比亚图像库COIL-20进行实验，提高三维物体的识别率和降低识别时间。

为实现上述技术目的，本发明所采用的技术方案是：结合Gabor小波和SVM进行物体识别的方法：

步骤一、对原始图像进行Gabor特征提取，得到的48维特征矢量；

步骤二、对步骤一中的得到的48维特征矢量，采用PCA消除特征维间的冗余信息，得到多维主特征矢量；

步骤三、利用SVM对多维主特征矢量进行分类识别。

所述的48维特征矢量的提取方法是，Gabor滤波器的特性主要由尺度                                                和方向两个参数决定，改变尺度和方向的值，就可得到一组方向和尺度不同的Gabor滤波器，选取共六个方向能满足物体识别的要求，对于一个N*N的纹理图像，选择四个尺度，这样就得到24个Gabor通道滤波器，采用双重卷积，纹理图像与其对应每个通道的奇、偶对称Gabor滤波器分别进行卷积，将两个卷积后图像的和取平方根，得到每个通道的输出图像，其结果与相位无关，每个通道输出图像的均值和标准差用来表示纹理特征，从每幅图像中提取出48个特征，形成48维特征矢量。

所述的选取六个方向为0°、30°、60°、90°、120°和150°。

所述的所述的Gabor滤波器函数的一般形式为

     （1）

                （2）

其中：，，和分别是在x和y方向的标准差，确定了函数的空间扩展，把g(x，y)作为母小波，对g(x，y)进行适当的尺度和旋转变换，可得一组自相似的滤波器；

                     （3）

其中，m, n为整数，，K为方向总数，为尺度因子；

设为一幅给定的图像，则其Gabor小波变换可定义为：

      （4）

其中*代表共轭复数。纹理区域具有空间相似性，所以变换参数的均值和可表示该区域的纹理特征并进行分类。和的计算公式如下

                     （5）

             （6）

设采用了P个方向和Q个尺度，则特征向量可表示为

                      （7）。

本发明的有益效果是：本文提出的方法不仅提高了物体的正确识别率，而且降低了识别时间。

附图说明

图1为物体识别流程图；

图2 为COIL-20中部分物体的不同视角图；

图3 为图2各物体Gabor特征提取图；

图4为不同特征向量的维数对识别率的影响对比图。

具体实施方式