基于目标轮廓形状矩阵傅氏描述子的特殊标志识别方法

为了快速地从互联网上的海量图像中检索出含有某种特殊标志的图像,提出了一种基于形状矩阵傅氏描述子(shape matrix Fourier descriptor,SMFD)的图像标志检索算法。该算法通过对图像内容进行分割得到目标对象的边界信息,并在光栅系统中进行目标轮廓边界点统计获得形状矩阵,然后分析其周期性变化规律和特点,对形状矩阵按列展开为一维向量并进行傅里叶变换,取傅里叶变换系数中模值大于模值平均值的部分来构建特征向量,最后用欧氏距离进行图像间相似性度量。实验结果表明,SMFD具有尺度、旋转、平移不变性,与其他方法进行检索对比,提高了图像的查准率和查全率,可以有效地应用于实际项目。

基于形状与纹理特征的显微图像识别

为了实现对空气中的致敏花粉信息进行自动化统计,针对上海地区典型气传致敏花粉的光学显微镜图像,提出了基于形状和纹理特征的识别方法。对图像中分割得到的花粉区域,使用全局形状描述和傅里叶描述子提取形状信息,灰度共生矩阵提取纹理特征,并且构建k近邻分类器进行识别。选用桑科56例、禾本科25例和松科60例共141例实验样本,分别可以实现91%、88%和98%分类准确率。实验结果表明,该方法可以初步实现对花粉显微图像的分割和识别,为花粉的自动识别系统打下基础。

边界点矩特征傅里叶描述的马铃薯薯形研究

马铃薯的形状是马铃薯分级的重要指标之一。针对适用于实时图像处理的目标识别系统,本文提出了一种结合矩特征和傅立叶描述子的形状识别新方法。该方法以质心为中心将物体划分为多个扇形区域,计算各扇形区域的矩特征值获得表示物体形状的矩特征序列,再通过离散傅立叶变换得到具有平移、旋转以及比例不变性的归一化矩特征傅立叶描述子,采用相似度计算进行形状分类。实验结果表明,该方法对目标形状的平移、旋转和比例变换具有不变性,能准确地将马铃薯的形状分为椭圆、圆和畸形三类,准确率分别为90%,93.3%,100%,识别率较高,具有良好的应用前景。