摘 要： 系統(tǒng)地分析了改進的變形雅克比-傅里葉矩的不變性，并通過充分的實驗說明了改進后的雅克比-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： 改進變形雅克比-傅里葉矩；不變性
在模式識別方法中,研究特征不變量已成為一種趨勢。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, 還具有很強的抗噪聲能力、特征描述能力和圖像識別能力,非常適合形狀相似小圖像的數(shù)字化描述、識別和分類。
1 PJFM’s描述子改進算法
傳統(tǒng)的Pseudo-Jacobi-Fourier矩 (PJFM’s)[1-3]被定義在極坐標系下，而在計算機中大部分圖像都在笛卡爾坐標系下定義。所以如果計算一幅圖像的PJFM’s[8-9]，就需要把圖像轉(zhuǎn)換到極坐標系下，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。為了避免上述問題,有一種直接在笛卡爾坐標系下計算PJFM’s的改進算法[3]。
在笛卡爾坐標系下，直接計算Pseudo-Jacobi-Fourier正交不變矩的公式為：
3 實驗結(jié)果
為了評判改進后的PJFM’s[1-5]矩描述子的性能以及它的多畸變不變性[3],還進行了一組實驗。實驗測試圖像是64×64像素點陣的巨型艾美爾球蟲卵囊和和緩艾美爾球蟲卵囊顯微圖像。實驗按下列步驟進行:
(1) 如圖1所示，測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PJFM’s矩模值計算, 計算圖像改進后的0～ 5 階共21 個PJFM’s矩值。抽取其中若干矩幅值作為觀察值。比較PJFM’s矩值改進前后的變化，畫出改進的和未改進的PJFM’s矩對各種畸變形體相應的部分不變矩標準偏差值的比較圖，如圖2所示。
由實驗結(jié)果可見，對巨型艾美爾球蟲卵囊和和緩艾美爾球蟲卵囊顯微圖像進行平移、旋轉(zhuǎn)以及尺度多畸變后，改進后的變形雅克比—傅里葉矩模值的標準偏差都比未改進的PJFM’s矩的小。
改進的變形雅克比-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
[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、算法及應用[M].上海:華東理工大學出版社, 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]. 電子學報,2005,33(7):1295-1298.
[9] 葉斌,彭嘉雄.偽Zernike矩不變性分析及其改進研究[J].中國圖象圖形學報,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.