用变形雅可比(p=4,q=3)-傅立叶矩描述红花粉末的显微图像

本文用变形雅可比(p=4,q=3)-傅立叶矩,对红花粉末花粉粒的几个显微特征点图像进行重建实验,当N=M=13时,各种图像的重建图像能够恢复原始图像的主要特征,可以很清楚地分辨相同图像的不同变形体。这说明PJFM's的图像特征抽取性能非常强。随着矩数量的增加图像重建质量提高,并且N=M=23以后,重建图像和原始图像基本相同。

变形雅可比(p=4,q=3)-傅立叶矩的抗噪声能力研究

使用加法性零均白噪声,从统计性重建误差、统计性信噪比和带噪声图像描述等方面分析了变形雅可比(p=4,q=3) 傅立叶矩(PJFM′S)的抗噪声能力。理论和实验都表明,该矩除了具有平移、灰度、尺度和旋转等多畸变不变性,还具有很强的抗噪声能力,性能优于其它图像矩,更适合用于多畸变不变图像的描述和识别。

基于变形雅可比(p=4,q=3)-傅立叶矩的形状识别研究

在理论上从广义傅立叶-梅林矩入手对变形雅可比(p=4,q=3)傅立叶矩进行了归一化,得到了平移、灰度、尺度、旋转等多畸变不变矩,同时用实验数据证明了该矩具有较理想的多畸变不变性,用类六边形抽样算法来提高变形雅可比(p=4,q=3)傅立叶矩的图像数字化质量,减少量化误差。用加权最小平均距离规则,在34维特征空间中进行四类物体的平移、旋转、灰度以及缩放变化后的16个变形体进行了形状识别实验,实验结果表明误判率为零。

用变形雅可比(p=4,q=3)-傅立叶矩进行图像描述

提出了变形雅可比(p=4,q=3) 傅立叶矩(PJFM′s)。此矩具有平移、灰度、尺度和旋转等多畸变不变性,适合用于多畸变不变图像的描述。在较小的径向距离0≤r≤1内,新的正交径向多项式有(n+2)个几乎均匀分布的零点。对固定图像的重建实验表明,重建质量高,小图像的重建误差尤为小。

草红花显微特征点的不变矩表达

本研究用变形雅可比(p=4,q=3)-傅立叶矩(PJFM’s),对草红花粉末涂片的花粉粒、分泌管碎片、花瓣细胞、花药中部细胞、花瓣顶端细胞、花柱头细胞等六个显微结构原始照片进行特征提取,发现不同特征点的不变矩值有着明显的区别,相同显微特征点不同方位、不同灰度、不同大小的变形图像的不变矩值几乎相同。并且通过重建实验,证明使用很少的PJFM’s就能很好地表达原始图像,且PJFM’s具有较强的自动抗噪声能力。PJFM’s可作为一种高度浓缩的图像特征,用于中药粉末显微特征快速自动识别系统的特征提取量。该研究结果为中药材显微识别和鉴定的数字化提供重要的技术基础。