6.3  本章小结

随着科技发展，多传感器应用越来越多，是未来发展的趋势。而目标识别是多传感器应用的重要领域。特征提取是目标识别的关键技术，对目标能否有效识别起决定性作用。近年来对单一传感器的特征进行提取，已有很多学者在研究，并取得了很大的进展，但是对多种传感器进行特征提取和融合的研究并不多，有一些学者和院校刚开始研究。本章针对红外和可见光两种常用的传感器，研究了图像目标的特征提取方法。本章的主要工作及创新点如下。

1）首先介绍了常用的特征提取方法，Hu矩和仿射不变矩。针对组合多项式包含冗余信息，并且不能有效地提取目标的细节信息，研究了Zernike矩和小波矩。介绍了利用正交性去除冗余信息的Zernike矩，这些方法都只能提取图像的全局信息，进而研究了小波矩的特征提取方法，利用小波变换的特征不仅能提取图像的全局信息，还能提取图像的局部信息。对于这些只能满足平移、尺度和旋转不变性，不能满足由于拍摄视角不同而使采集的图像有仿射变换的问题，提出了把小波矩和放射不变矩结合，组成新的特征向量，进行目标特征提取，提高了目标识别系统的鲁棒性。

2）针对红外和可见光的特点，研究了红外图像形状特征提取和可见光图像的边缘特征提取。红外传感器获取的图像目标和背景的差异明显，讨论了红外图像的阈值分割算法，主要研究了二值化处理后图像的各种不同类型目标的不同矩特征提取方法，进行特征提取实验，对实验结果进行分析；可见光传感器能获取图像目标的细节信息，讨论了可见光图像的边缘检测算子。重点研究了不同类型目标的边缘特征提取方法，分析了共生矩阵的四个特征量（能量、熵、逆差矩和惯性矩），并进行特征提取仿真实验。还对可见光图像的边缘矩特征进行提取，分析不同矩特征提取的结果。

3）针对红外和可见光图像传感器的互补优势，研究了红外和可见光图像的特征提取和融合方法。主要针对单一传感器对地面目标特征提取的不稳定性问题，提出了一种基于感兴趣区域进行特征提取的方法。首先分析红外和可见光图像的特点，利用红外图像的目标高对比度特性，提取出图像中的感兴趣区域，然后通过空间投影映射在可见光图像中找出同样的区域。其次分别对感兴趣区域可见光图像进行边缘特征提取和红外图像进行形状特征提取，把提取的特征进行融合，用于目标识别。本章提出的算法得到的融合特征，不仅包含目标的外部形状特征，还包括目标的内部边缘特征，得到的目标特征更稳健，对后续的目标分类识别提供更好的判决依据。