摘 要: 系統(tǒng)地分析了改進(jìn)的變形雅克比-傅里葉矩的不變性,并通過(guò)充分的實(shí)驗(yàn)說(shuō)明了改進(jìn)后的雅克比-傅里葉矩具有更好的平移、灰度、尺度、旋轉(zhuǎn)等多畸變不變性。此矩是一種理想的、能有效抽取圖像特征的不變矩。
關(guān)鍵詞: 改進(jìn)變形雅克比-傅里葉矩;不變性
在模式識(shí)別方法中,研究特征不變量已成為一種趨勢(shì)。不變矩[1-9](Invariant Moments, IM’s)是一種高度濃縮的圖像特征,具有平移、旋轉(zhuǎn)、灰度、尺度等多畸變不變性, 還具有很強(qiáng)的抗噪聲能力、特征描述能力和圖像識(shí)別能力,非常適合形狀相似小圖像的數(shù)字化描述、識(shí)別和分類。
1 PJFM’s描述子改進(jìn)算法
傳統(tǒng)的Pseudo-Jacobi-Fourier矩 (PJFM’s)[1-3]被定義在極坐標(biāo)系下,而在計(jì)算機(jī)中大部分圖像都在笛卡爾坐標(biāo)系下定義。所以如果計(jì)算一幅圖像的PJFM’s[8-9],就需要把圖像轉(zhuǎn)換到極坐標(biāo)系下,因而引起圖像邊緣部分信息的丟失和一些不必要的量化誤差。為了避免上述問(wèn)題,有一種直接在笛卡爾坐標(biāo)系下計(jì)算PJFM’s的改進(jìn)算法[3]。
在笛卡爾坐標(biāo)系下,直接計(jì)算Pseudo-Jacobi-Fourier正交不變矩的公式為:
3 實(shí)驗(yàn)結(jié)果
為了評(píng)判改進(jìn)后的PJFM’s[1-5]矩描述子的性能以及它的多畸變不變性[3],還進(jìn)行了一組實(shí)驗(yàn)。實(shí)驗(yàn)測(cè)試圖像是64×64像素點(diǎn)陣的巨型艾美爾球蟲(chóng)卵囊和和緩艾美爾球蟲(chóng)卵囊顯微圖像。實(shí)驗(yàn)按下列步驟進(jìn)行:
(1) 如圖1所示,測(cè)試圖像按以下方式變換:
①平移變換:原圖像向右平移15像素,向下18像素,向上8像素和向左12像素;
②旋轉(zhuǎn)變換:圖像分別順時(shí)針旋轉(zhuǎn)90°、180°、270°和左右翻轉(zhuǎn);
③灰度變換:圖像分別灰度變化0.6倍、1.5倍、2.8倍和5倍;
④比例變換:原圖像分別縮放0.5倍、0.8倍、1.5倍和2倍。
(2)改進(jìn)PJFM’s矩模值計(jì)算, 計(jì)算圖像改進(jìn)后的0~ 5 階共21 個(gè)PJFM’s矩值。抽取其中若干矩幅值作為觀察值。比較PJFM’s矩值改進(jìn)前后的變化,畫(huà)出改進(jìn)的和未改進(jìn)的PJFM’s矩對(duì)各種畸變形體相應(yīng)的部分不變矩標(biāo)準(zhǔn)偏差值的比較圖,如圖2所示。
由實(shí)驗(yàn)結(jié)果可見(jiàn),對(duì)巨型艾美爾球蟲(chóng)卵囊和和緩艾美爾球蟲(chóng)卵囊顯微圖像進(jìn)行平移、旋轉(zhuǎn)以及尺度多畸變后,改進(jìn)后的變形雅克比—傅里葉矩模值的標(biāo)準(zhǔn)偏差都比未改進(jìn)的PJFM’s矩的小。
改進(jìn)的變形雅克比-傅里葉矩具有更理想的多畸變不變性,能有效地抽取圖像特征。
參考文獻(xiàn)
[1] Bo Wurigen, Ping Ziliang, Ren Haiping, et al. Mutidistorted pattern recognition with Chebyshev-Fourier moments[J]. Journal of Optoelectronics·La ser,2003,14(8):846-850.
[2] Li Jinquan, Chen Shanben, Wu Lin. An algorithm of straight line detection based on Zernike moments[J]. Journal of Optoelectronics ·La ser,2003,14(8):851-854.
[3] Amu Guleng, Hasi Surong, Yang Xingyu, et al. Image analysis by Pseudo-Jacobi(p=4,q=3)-Fourier Moments[J]. Applied Optics, 2004,43(10):2093-2101.
[4] MUKUNDAN R, ONG S H, LEE P A. Image analysis by tchebichef moments[J]. IEEE Transactions on Image Processing, 2001,10(9):1357-1364.
[5] HADDADAN IA J, FAEZ K, AHMAD IM. An Efficient human face recognition system using pseudo zernike moment invariant and radial basis function neural network[J]. International Journal of Pattern Recognition and Artificial Intelligence, 2003, 17 (1) : 41-62.
[6] THE C H,CHIN R T. On image analysis by the methods of moments [J]. IEEE Trans. Pattern Anal. Mach. Intell, 1988,10(4):496-513.
[7] 王耀明. 圖像的矩函數(shù)——原理、算法及應(yīng)用[M].上海:華東理工大學(xué)出版社, 2002.
[8] 夏婷,周衛(wèi)平,李松毅,等. 一種新的Pseudo-Zernike矩的快速算法[J]. 電子學(xué)報(bào),2005,33(7):1295-1298.
[9] 葉斌,彭嘉雄.偽Zernike矩不變性分析及其改進(jìn)研究[J].中國(guó)圖象圖形學(xué)報(bào),2003,8(3):246-252.
[10] Ren Haiping, Ping Ziliang, Bo Wurigen, et al. Multidistortion-invariant image recognition with radial harmonic Fourier moments. J Opt Soc Am A, 2003,20(4):631.