黄瑜+阳建中+李贤阳+姜瑜+黄丽红
摘 要 图像识别一直是研究的热点,其中图像的特征提取是图像识别与分类的关键步骤。为了加强对坭兴陶的保护工作,利用数字图像处理技术提取了坭兴陶图像的周长、面积、伸长比等基本特征,这些特征容易抗噪声能力差,因此,本文进一步利用Zernike不变矩提取了坭兴陶图像不同旋转角度及镜像图像的特征,具有良好的稳定性。
关键词 坭兴陶;图像特征提取; Zernike不变矩
中图分类号 TP2 文献标识码 A 文章编号 2095-6363(2017)08-0022-02
坭兴陶作为钦州的特色产业,对钦州市的经济发展和社会发展有着重要的促进作用[1]。利用机器视觉代替人的视觉对坭兴陶进行种类识别和特征研究必然趋势。在试验中至关重要的一步是对坭兴陶图像进行有效特征提取。图像识别[2]可以分为4个步骤,图像的预处理是第一步,再选择合适的特征、然后根据特征将图像进行分类,其中特征提取是关键的步骤[3]。
金兆楠等通过视觉中的圆阵列靶标特征点提取为研究对象,把轮廓提取算法和亚像素及粗定位相结合,最后应用canny算子进行提取和最小二乘法拟合来获得图像的特征点[4]。分析了Zernike矩在高分遥感影像边缘检测中存在的问题,提出一种Zernike矩结合FCM的高分遥感影像边缘检测的方法和提出一种Zernike矩结合阂值分割的高分遥感影像边缘检测的方法[5]。王雁等主要对图像先预处理,再利用Zernike和Hu不变距提取了图像的不变距特征,然后将特征最为支持向量机进行了目标分类[6]。
综上所述,图像特征提取一直是研究图像识别的重要步骤。本文主要是利用了坭兴陶图像提取的基本方法,利用Zernike矩进一步提取坭兴陶图像的内部特征。
1 坭兴陶图像预处理及基本特征提取
坭兴陶图像的特征提取需要经过去背景、灰度化、二值化等步骤,再通过图像处理技术计算用图像像素表示的图像的基本特征,包括圆形度、图像阴影面积,伸长比等。
2 Zernike 不变矩的特征
矩特的特征主要是表现了图像某些区域的几何特性,图像无论经过什么几何变换,其变化后的特性不变,因此,又称为不变矩。
在图像处理技术中,可以利用物体的不变矩对图像进行分类,最常见的求取不变矩的方法有Hu矩、Zernike矩。
2.1 Zernike 不变矩
Zernike矩是基于Zernike多项式的正交化函数,所利用的正交多项式集市1个在单位园内的完备正交集。当计算1幅图像的Zernike矩时,以该图像的形心(也称作重心)为原点,把像素坐标映射到单位圆内。
N阶Zernike矩定义为
由于图像是二维的,且是离散型的,因此,求解积分需进行离散化,如下公式,其中Zernike矩Anm为复数。
极坐标下Zernike矩的定义为
为了方便计算目标区域的Zernike矩,需先分割图像的目标区域S,具体步骤如下:
2.2 提取特征的流程
提取Zernike不变矩流程图如图3所示。
3 实验结果及分析
本文對选取的三幅图像分别利用了Zernike矩进行了特征提取,同时为了验证不变矩的效果,对图像分别进行了按逆时针方向旋转5°,给出了不同角度的图像的特征值。同时也做了对图像镜像后在提取图像的不变矩特征。限于篇幅,给出了3个图像的实验结果。
其中,对于表2至表4中的Im(i),i=1…7,表示按逆时针方向每次旋转了5°的角度,计算得到旋转的特征值,同时也对相应的图进行镜像得到相应的特?征值。
从实验结果看,由于在实验室过程中,输入的图像大小是一致的,因此,图像用不变矩提取的特征值差别不大。同时,对不同角度下的图像及相应的镜像图像提取不变矩特征,基本改变不了这些图像的变化规律。而利用基本的图像特征提取方法提取的体征信息,不用的图像有较大的差异。因此,利用Zernike不变矩提取坭兴陶图像的特征值可以较好的保持其特征的稳定性。
4 结论
本文主要研究Zernike不变矩,由于坭兴陶图像的特征都比较相似,利用基本的特征提取算法不能够完全反映其内部特征。因此,本文用Zernike不变矩实验,将这些特征结合起来,作为坭兴陶的特征,有利于更加完善坭兴陶图像特征,便于后面推向的恢复,保护及存储。对同是坭兴陶图像,所提取的Zernike不变矩对镜像、尺度、旋转等变化都不敏感,同时具有较高的抗噪能力。
参考文献
[1]周作好.钦州坭兴陶茶具的生产性保护探究[J].福建茶叶,2015(2):150-151.
[2]戴金波.基于视觉信息的图像特征提取算法研究[D].长春:吉林大学,2013.
[3]阳建中.基于图像处理技术的坭兴陶图像特征参数提取[J].广西科学院学报,2013,29(1):17-18.
[4]金兆楠.Zernike矩的圆阵列靶标特征点精确提取方法[J].山西电子技术,2015(4):37-38.
[5]张培洋.Zernike矩在高分辨率遥感影像边缘检测中的研究[D].昆明:昆明理工大学,2016.
[6]王雁,穆春阳,马行.基于Zernike不变矩与SVM的交通标志的识别[J].公路交通,2015(12):128-132.
[7]王耀明.Zernike矩及它们的应用[J].上海电机学院学报,2008(1):44-46.