基于显著性检测与特征匹配的目标识别方法*

孙世宇，张 岩，杜玉龙，李建增，李德良，范 聪

（陆军工程大学石家庄校区，石家庄 050003）

0 引言

随着计算机技术的日益发展，如何模仿视觉系统迅速定位图像内感兴趣目标区域，实现目标的精确识别，已成为计算机视觉领域的热点问题。本文拟采用目标显著性检测算法与特征匹配算子相结合的策略进行目标识别，来缩小计算区域，同时避免误识别，改善目标识别的精度与速度。

在显著性检测方面：Itti等人[1]最早提出显著性检测问题，通过颜色、亮度和方向等特征，实现高对比度显著区域的检测。Hou等人[2]基于谱残差在频谱域内去除冗余信息，在空域得到显著信息。Guo等人[3]基于四元相位谱，通过提取相位谱实现检测。Liu 等人[4]从 3 种特征来描述图像，并在 CRF[5]框架下融合特征来实现检测。Shen等人[6]将图像信息分为低秩结构和稀疏噪声，认为低秩矩阵代表图像中的背景区域，稀疏矩阵为显著区域，基于底层和高层特征，利用低秩稀疏分解技术实现检测。Yang等人[7]结合联合条件随机场与区分字典学习方法，计算最小化能量函数实现显著性检测。Zhang等人[8]通过计算区域之间的方向和距离的相似性，利用区域聚类进行显著性检测。Chen等人[9]引入CNN模型，检测效果良好。Wen等人[10]利用深度玻尔兹曼特征学习算法对显著性区域进行判断，提高检测精度。

在特征匹配方面：Lowe提出并完善了尺度不变特征匹配算法（Scale Invariant Feature Transform，SIFT）[11]。Bay等人提出了快速鲁棒性特征算法（Speeded Up Robust Features，SURF）[12]。该算法在尺度空间内使用快速海森矩阵检测得到候选点，然后利用小波扇形环绕法定向，同时利用小波响应生成64维描述向量。……