刘松涛，常 春，马新星，王赫男

基于代数特征的多光谱图像特征提取方法

刘松涛1，常 春1，马新星2，王赫男1

（1.海军大连舰艇学院信息作战系，辽宁大连116018；2.海军航空工程学院控制工程系，山东烟台264001）

多光谱图像特征提取的好坏直接关系着目标识别算法的复杂程度，也影响着最终目标识别的性能。研究了一维主成分分析（1DPCA）、二维主成分分析（2DPCA）、一维奇异值分解（1DSVD）和二维奇异值分解（2DSVD）等代数特征提取方法，并用这些方法构成图像识别框架的特征提取部分，通过识别率的大小来验证是否适合于多光谱图像特征提取。实验结果表明：①与可见光图像目标识别相比，PCA和SVD特征更适合于红外图像目标识别；②训练样本分类时，PCA和SVD特征的识别性能改善不明显；③训练样本少时，SVD重构图像、2DSVD和1DPCA特征的识别性能较好。

多光谱图像；特征提取；主成分分析；奇异值分解

1 引 言

多光谱（可见光、中波／长波红外）图像中可见光图像分辨率高，目标边缘明显，对比度清晰，但是只能在白天、顺光、能见度好的条件下获取，战场环境的应用概率低于20%。而中波／长波红外图像可全天候获取，目标特征明显，但是目标与背景对比度低，边缘模糊，噪声较大。因此，有必要研究合适的特征提取方法，可以准确地描述可见光和中波／长波红外图像目标的本质特征，然后通过特征融合技术来提高多光谱图像目标的识别能力。

常见的图像特征包括：灰度特征、几何特征、轮廓特征、代数特征和纹理特征等。在人脸识别领域，基于代数特征的人脸识别方法因其计算简单、有效等特性引起了人们的广泛注意，已成为人脸图像特征提取和识别的主流方法之一。……