矩技术之应用综述.pdfVIP

矩技术之应用综述 王晓红赵荣椿 (西北工业大学计算机科学与工程系， 710072) 摘要矩技术具有数学上的简明性并且非常多样化，因而得到了广泛的应用。本文旨在介 绍矩技术在图像处理、计算机视觉、和模式识别领域内的应用，主要包括：景物匹配、直 方图匹配、图像重建、图像压缩、对称性检测、图像规格化、纹理分割、边缘检测、目标 识别和图像检索． 关键字景物匹配 直方图匹配 图像霎建 图像与潍 对称性检测 图像规格 讹 纹理分割 边缘检铡 目标识别 图像检索 1．引言 通常来讲，矩描述距参考点一定距离处的数值量。矩在统计学中用于表征随机量的分布． 而在力学中用于表征物体的空间分布。若把_二值图或灰度图看作是二维密度分布函数，就 可把矩技术应用于图像分析中。这样．矩就可以用于表征一幅图像并提取与统计学和力学 中相似的特征。 近年来．由二维和三维形状所求取的矩值的不变特性已引起了图像界人士的高度重视。 Hu【1】在1961年首先提出了矩不变量的概念．他使用规则矩的非线性组合得出了一套矩不 变量，这套矩不变量在图像的平移、伸缩和旋转变换下保持不变。Teague【2】从图象重建的 角度出发，引入了基于正交多项式的zcmike矩。使用zem谁e矩可以很容易地计算任意高 阶的矩不变量。此外，伪．zcmikc矩和基于Leg％d∞多项式的kgendm矩也是正交矩。旋 转矩【3】将矩不变量的定义扩展到任意阶．并能保证随着阶次的增加其幅值并不明显减小。 之后．Abu_Mos吲h和D．Psaltis【4】又引入了复合矩的概念。 aIId 最近，Y∞hjdawu【5】使用谱矩来分类伸缩和旋转过的纹理图像．用功率谱代替灰度 级来计算矩值以及积分区域随尺度的调整克服了灰度级图像计算不稳定的缺陷．shen等【6】 提出了一套可分类具有细微差别的相似物体的小波不变量。根据小波不变量的判别测度可 自动选取适于分类的不变量特征。Yang和cohen【刀引入了具有分数权值的叉权矩，由叉权 矩易于得到用于目标匹配和定位的全局仿射不变量． 矩技术具有数学上的简明性并且非常多样化，因而得到了广泛的应用．本文旨在介绍矩 技术在图像处理、计算机视觉、和模式识别领域内的应用，主要包括：景物匹配【8】、直方 图匹配【lo】、图像重建【2】、图像压缩【12】、对称性检测【13】、图像规格化【14】、纹理分割【15】、 边缘检测【16】、目标识别【17-21】和图像检索【22．23】。几乎没有任何图像特征可以直接与矩特 征相比较。在二值形状识别方面可直接与矩相比较的技术是F0嘶er描述子。基于目标边界 而非轮廓的F0嘶日描述子对于边界变化很敏感。但是，对于涉及大量形状的实际应用来讲， 不经过实验很难判断那种技术性能更好。 一3一 2．矩技术的应用 本节旨在对矩技术的各种应用做一介绍，限于篇幅，这里对各个方法不予详细讨论 详细信息参见相关原文。 2．1景物匹配 wong【s】用文献【9】中的层次搜索技术进行了一系列实验以匹配雷达和光学景物。这种技术 从低分辨率开始逐层搜索可能的匹配位置。对雷达景物和光学景物的图像分别构造一系列 分辨率逐渐降低、尺寸逐渐减小的图像。每个集合包含尺寸分别为256×256、 则指导从低分辨率到下～个较高的分辨率级别的搜索。决策规则的设计要保证能够在每一 级别上选取最有可能的测试位置。只有选取出来的位置才用于下一级别的测试。这样，在 较高分辨率级别只需检查最有可能的测试位置。这种搜索一直进行到找到了匹配位置或达 到了晟高分辨率。这时，具有最高匹配概率的测试位置即为最佳匹配位置。 22直方囤匹配 wjlIg和chen【10】提出了一种基于矩的能估计包含仿射变换目标的两幅图像间的光照 变化的方法。由于图像的直方图对平移、旋转和伸缩变换的不变性，因而光照变化可由具 有待估参数的线性模型来表示。假定原始图像的直方图为厂(≯)．其中庐表示灰度级，则规格 化后的直方图，。(∥)可表示为 ，，(庐，)：土sz厂酗) (1) “ 其中