花粉圖像鑒別特征提取算法的研究.pdf

1、花粉顆粒圖像的自動(dòng)分類和識(shí)別在環(huán)境、醫(yī)學(xué)等領(lǐng)域發(fā)揮著重要的作用。但目前傳統(tǒng)的花粉分類和識(shí)別主要依靠人工進(jìn)行，往往要求專業(yè)人員具有豐富的花粉形態(tài)學(xué)知識(shí)和實(shí)踐經(jīng)驗(yàn)，識(shí)別過程非常耗時(shí)而且由于識(shí)別精度會(huì)受到鑒別人員主觀因素的影響，識(shí)別效率普遍不高。近年來，隨著圖像處理和模式識(shí)別理論的發(fā)展，利用計(jì)算機(jī)進(jìn)行花粉圖像自動(dòng)分類識(shí)別已經(jīng)成為解決上述問題的有效手段。本文就花粉圖像的鑒別特征提取算法開展研究，以期提高特征對于圖像幾何變換的魯棒性，提高分類識(shí)別

2、的精度。主要研究內(nèi)容包括:
　　(1)針對現(xiàn)有紋理描述子大多依賴于灰度平均值，易造成圖像信息丟失的問題，提出了一種基于高斯尺度空間的粗糙度描述子，并應(yīng)用于花粉圖像的分類和識(shí)別。該方法首先利用高斯卷積構(gòu)造圖像的高斯尺度空間;然后通過計(jì)算粗糙度頻率直方圖的統(tǒng)計(jì)分布，提取不同尺度空間的粗糙度描述子(SSRHD)。通過Confocal和Pollenmonitor圖像庫上的識(shí)別結(jié)果表明，該描述子能較好地描述花粉圖像的紋理分布，對于花粉圖像的

3、旋轉(zhuǎn)和姿態(tài)變化具有良好的魯棒性。
　　(2)針對現(xiàn)有形狀描述子冗余信息多，特征維數(shù)高且識(shí)別率低的問題，提出了一種基于三維Zernike矩的傅里葉形狀描述子(ZMFD)，并應(yīng)用于三維花粉圖像的分類和識(shí)別。該方法首先在三維球面坐標(biāo)下提取圖像的Zernike矩;然后利用基于概率的遺傳算法對Zernike矩進(jìn)行優(yōu)選以減少冗余信息;最后計(jì)算優(yōu)選后的Zernike矩的傅里葉變換系數(shù)，將歸一化的傅里葉描述子作為最后的特征描述子。通過Confoc