基于指数矩图像描述.docVIP

基于指数矩图像描述 　　摘 要： 论证一种基于T指数构建的圆谐?傅里叶矩――指数矩（ EFMs），分析其定义原理及其与基于三角函数构建的圆谐?傅里叶矩的关系，验证指数矩作为一种正交不变矩所具有的多畸变不变性质。通过在Matlab软件平台上进行的仿真实验，证明了指数矩的旋转、缩放不变性，得出了指数矩作为一种高度浓缩的图像特征，无信息冗余，抽样性能好，抗噪声能力强，与其他矩相比更适用于多畸变不变图像描述和识别的结论。 　　关键词： 数字图像； 指数矩； 图像归一化； 不变量 　　中图分类号： TN964?34 文献标识码： A 文章编号： 1004?373X（2013）14?0112?04 　　Image description based on exponent moments 　　WU Yu， ZHAO Jia?ji， PING Zi?liang， DU Hao?xiang 　　（Century College， Beijing University of Posts and Telecommunications， Beijing 102613， China） 　　Abstracta： The circular harmonic?Fourier moments established on the basis of exponent， i.e. exponent moments （EMs） are demonstrated in this paper. The analysis of its principle and its relation with the CFMs verifies the multi?distorted invariance that EMs as the orthogonal invariant moments possess. Through a series of simulation experiments on Matlab platform， the rotation invariance and position invariance of EMs were proved. A conclusion that the EMs are more suitable for image description and recognition than other moments since it is a highly?concentrated image characteristic which has good sampling performance and strong anti?noise ability， but has no information redundancy. 　　Keywords： digital image； exponent moment； image normalization； invariant 　　数字图像处理技术以其信息量大、处理和传输方便、应用范围广等优点，成为人类获取信息的重要来源和利用信息的重要手段，并在宇宙探测、遥感、生物医学、工农业生产、军事、公安、办公自动化等领域得到了广泛应用，显示出广泛的应用前景。在图像处理的应用中，目标识别技术[1]就是使用对目标的抽象描述来有效地进行目标表示与比较，这种描述一般定义为从各种图像中提取的特征。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质的空间分布，若把二值图像或灰度图像看作是二维密度分布函数，矩就可以提取为用于描述一幅图像的特征[2]。1962年，M.K.Hu根据几何不变量理论引进了几何矩的概念。Teague等提出的正交矩解决了如何用较少的矩更好地描述图像的问题，Y.L.Sheng提出的正交傅里叶?梅林矩（OFFMs）在描述图像方面优于其他正交不变矩。2002年，平子良等提出了切比雪夫?傅里叶矩（CFMs），获得了与OFFMs相似的结果。2003年，任海萍等提出采用三角函数构建圆谐?傅里叶矩（CFMs），并从归一化图像重建误差、噪声灵敏度等方面对其图像描述能力进行了分析，证明它在各种描绘图像的矩中性能最好[3?4]。2010年，平子良等提出一种基于指数构建的圆谐?傅里叶矩――指数矩（EFMs） ，与基于三角函数构建的圆谐傅里叶矩相比，指数矩不仅性能优良，而且形式简单、计算速度快。 　　矩和矩函数已被广泛应用于图像识别、图像分类、图像变换、图像传输、图像压缩等图像信息处理技术领域。本文旨在研究指数矩的图像描述能力，对指数矩的理论依据进行推导验证，并基于指数矩进行了图像的恢复重建等仿真实验，验证了指数矩不变量的旋转、缩放不变性。 　　1 指数矩 　　1.1 圆谐?傅里叶