二值图像的傅立叶描述子描述与矩描述简介.pdfVIP

二值图像的傅立叶描述子描述与矩描述简介 2010 年 12 月 15 日 对图像目标的识别首先需要抽取目标的特征，然后用适当的数学表示对目标 进行描述。对目标特征提取的算子称为目标检测子（detector ），对目标描述的算 子称为描述子（descriptor ）。下面几节重点阐述二值图像目标描述子，但这里介 绍的描述子所要具备的性质对图像检测子或其他灰度/彩色图像描述子也同样适 用。 [6] 一般来说，目标描述子需要具备四个性质 ： （1）完备性（completeness ）：当且仅当两个目标有相同的形状时，它们的描 述子才是相同的。 （2 ）一致性（congruence ）：相似的目标的描述子也应该是相似的。 （3 ）不变性（invariance ）：描述子应该对目标的某些几何变换具有不变性， 如描述子应该对平移（translation ）、旋转（rotation ）和尺度（scale ）伸缩（这些 为图像的相似变换）等保持不变，应该对图像的起始点不敏感（如傅立叶描述子 应该对目标形状曲线的起始点不敏感），更进一步，描述子应该对图像的仿射变 换（affine transform ）及透射变换（perspective transform ）不敏感。当然，后两 个要求一般不是很容易达到。 （4 ）紧凑性（compactness ）：目标描述子应该可以用更少的系数（更稀疏的 表示）来表示目标。 实际的目标描述子根据上述准则来设计，但并不是上述条件都能够得到满足。 对一些实际应用，上述条件可以适当放宽。 1 傅立叶描述子 傅立叶描述子（Fourier Descriptor ，简称FD ）常用来表示单封闭曲线的形状 特征，其基本思想是将目标轮廓曲线建模成一维序列，对该序列进行一维的傅立 叶变换，从而获得一系列的傅立叶系数，用这些系数对该目标轮廓进行描述。傅 立叶描述子方法有一系列优点，如：计算原理简单，描述清晰，具有由粗及精的 特性等[10] 。计算原理简单可以使得特征提取更加稳定，因为在计算的过程中， 无须设置大量控制参数就可以获得结果，计算的一致性好。傅立叶描述子具有明 确的物理或几何意义，它比某些特征描述子（如 Hu 不变矩）更具直观性。此外， 由于任何一个序列经傅立叶变换后，其能量主要集中于少数几个低频傅立叶系数 上，因此采用极少的傅立叶系数就可以描绘该序列特征。同时，随着傅立叶系数 的增多，该序列的细节特征得以更好地描述。因此，傅立叶描述子对目标轮廓有 非常好的由粗及精的描述能力。一个傅立叶描述子的构建包括两步：首先，定义 一种好的表示（representation ）方法对轮廓曲线进行描述；然后，采用傅立叶理 论对该曲线进行变换[6] 。不同的曲线表示方法有不同的特性，一个好的表示方法 应该使最终获得的傅立叶描述子具有尺度、旋转、平移不变性及起始点的无关性。 如图 1，x-y 坐标平面上的点列{(x ,y )}构成一条封闭轮廓，如果将 x-y 坐标 k k 平面看成一个复平面，则该点列可看成一个一维的复数序列{c }，其中 c = x +jy 。 k k k k 将 ck= xk +jyk 表示为{c(k)} ，k=0,1,2,…,N-1，则可对该离散序列作傅立叶变换： N −1 −j 2πuk /N 1 C(u) ∑c(k) =⋅e ，u=0,1,2,…,N-1 N k 0 1 复系数 C(u)称为轮廓的傅立叶描述子。将傅立叶描述子序列{C(u)}进行反变换可 重构回原轮廓曲线，即： N −1 j 2πuk /N c(