黃瑜+陽(yáng)建中+李賢陽(yáng)+姜瑜+黃麗紅

摘 要 圖像識(shí)別一直是研究的熱點(diǎn)，其中圖像的特征提取是圖像識(shí)別與分類的關(guān)鍵步驟。為了加強(qiáng)對(duì)坭興陶的保護(hù)工作，利用數(shù)字圖像處理技術(shù)提取了坭興陶?qǐng)D像的周長(zhǎng)、面積、伸長(zhǎng)比等基本特征，這些特征容易抗噪聲能力差，因此，本文進(jìn)一步利用Zernike不變矩提取了坭興陶?qǐng)D像不同旋轉(zhuǎn)角度及鏡像圖像的特征，具有良好的穩(wěn)定性。

關(guān)鍵詞 坭興陶；圖像特征提??； Zernike不變矩

中圖分類號(hào) TP2 文獻(xiàn)標(biāo)識(shí)碼 A 文章編號(hào) 2095-6363（2017）08-0022-02

坭興陶作為欽州的特色產(chǎn)業(yè)，對(duì)欽州市的經(jīng)濟(jì)發(fā)展和社會(huì)發(fā)展有著重要的促進(jìn)作用[1]。利用機(jī)器視覺(jué)代替人的視覺(jué)對(duì)坭興陶進(jìn)行種類識(shí)別和特征研究必然趨勢(shì)。在試驗(yàn)中至關(guān)重要的一步是對(duì)坭興陶?qǐng)D像進(jìn)行有效特征提取。圖像識(shí)別[2]可以分為4個(gè)步驟，圖像的預(yù)處理是第一步，再選擇合適的特征、然后根據(jù)特征將圖像進(jìn)行分類，其中特征提取是關(guān)鍵的步驟[3]。

金兆楠等通過(guò)視覺(jué)中的圓陣列靶標(biāo)特征點(diǎn)提取為研究對(duì)象，把輪廓提取算法和亞像素及粗定位相結(jié)合，最后應(yīng)用canny算子進(jìn)行提取和最小二乘法擬合來(lái)獲得圖像的特征點(diǎn)[4]。分析了Zernike矩在高分遙感影像邊緣檢測(cè)中存在的問(wèn)題，提出一種Zernike矩結(jié)合FCM的高分遙感影像邊緣檢測(cè)的方法和提出一種Zernike矩結(jié)合閡值分割的高分遙感影像邊緣檢測(cè)的方法[5]。王雁等主要對(duì)圖像先預(yù)處理，再利用Zernike和Hu不變距提取了圖像的不變距特征，然后將特征最為支持向量機(jī)進(jìn)行了目標(biāo)分類[6]。

綜上所述，圖像特征提取一直是研究圖像識(shí)別的重要步驟。本文主要是利用了坭興陶?qǐng)D像提取的基本方法，利用Zernike矩進(jìn)一步提取坭興陶?qǐng)D像的內(nèi)部特征。

1 坭興陶?qǐng)D像預(yù)處理及基本特征提取

坭興陶?qǐng)D像的特征提取需要經(jīng)過(guò)去背景、灰度化、二值化等步驟，再通過(guò)圖像處理技術(shù)計(jì)算用圖像像素表示的圖像的基本特征，包括圓形度、圖像陰影面積，伸長(zhǎng)比等。

2 Zernike 不變矩的特征

矩特的特征主要是表現(xiàn)了圖像某些區(qū)域的幾何特性，圖像無(wú)論經(jīng)過(guò)什么幾何變換，其變化后的特性不變，因此，又稱為不變矩。

在圖像處理技術(shù)中，可以利用物體的不變矩對(duì)圖像進(jìn)行分類，最常見的求取不變矩的方法有Hu矩、Zernike矩。

2.1 Zernike 不變矩

Zernike矩是基于Zernike多項(xiàng)式的正交化函數(shù)，所利用的正交多項(xiàng)式集市1個(gè)在單位園內(nèi)的完備正交集。當(dāng)計(jì)算1幅圖像的Zernike矩時(shí)，以該圖像的形心（也稱作重心）為原點(diǎn)，把像素坐標(biāo)映射到單位圓內(nèi)。

N階Zernike矩定義為

由于圖像是二維的，且是離散型的，因此，求解積分需進(jìn)行離散化，如下公式，其中Zernike矩Anm為復(fù)數(shù)。

極坐標(biāo)下Zernike矩的定義為

為了方便計(jì)算目標(biāo)區(qū)域的Zernike矩，需先分割圖像的目標(biāo)區(qū)域S，具體步驟如下：

2.2 提取特征的流程

提取Zernike不變矩流程圖如圖3所示。

3 實(shí)驗(yàn)結(jié)果及分析

本文對(duì)選取的三幅圖像分別利用了Zernike矩進(jìn)行了特征提取，同時(shí)為了驗(yàn)證不變矩的效果，對(duì)圖像分別進(jìn)行了按逆時(shí)針?lè)较蛐D(zhuǎn)5°，給出了不同角度的圖像的特征值。同時(shí)也做了對(duì)圖像鏡像后在提取圖像的不變矩特征。限于篇幅，給出了3個(gè)圖像的實(shí)驗(yàn)結(jié)果。

其中，對(duì)于表2至表4中的Im（i），i=1…7，表示按逆時(shí)針?lè)较蛎看涡D(zhuǎn)了5°的角度，計(jì)算得到旋轉(zhuǎn)的特征值，同時(shí)也對(duì)相應(yīng)的圖進(jìn)行鏡像得到相應(yīng)的特？征值。

從實(shí)驗(yàn)結(jié)果看，由于在實(shí)驗(yàn)室過(guò)程中，輸入的圖像大小是一致的，因此，圖像用不變矩提取的特征值差別不大。同時(shí)，對(duì)不同角度下的圖像及相應(yīng)的鏡像圖像提取不變矩特征，基本改變不了這些圖像的變化規(guī)律。而利用基本的圖像特征提取方法提取的體征信息，不用的圖像有較大的差異。因此，利用Zernike不變矩提取坭興陶?qǐng)D像的特征值可以較好的保持其特征的穩(wěn)定性。

4 結(jié)論

本文主要研究Zernike不變矩，由于坭興陶?qǐng)D像的特征都比較相似，利用基本的特征提取算法不能夠完全反映其內(nèi)部特征。因此，本文用Zernike不變矩實(shí)驗(yàn)，將這些特征結(jié)合起來(lái)，作為坭興陶的特征，有利于更加完善坭興陶?qǐng)D像特征，便于后面推向的恢復(fù)，保護(hù)及存儲(chǔ)。對(duì)同是坭興陶?qǐng)D像，所提取的Zernike不變矩對(duì)鏡像、尺度、旋轉(zhuǎn)等變化都不敏感，同時(shí)具有較高的抗噪能力。

參考文獻(xiàn)

[1]周作好.欽州坭興陶茶具的生產(chǎn)性保護(hù)探究[J].福建茶葉，2015（2）：150-151.

[2]戴金波.基于視覺(jué)信息的圖像特征提取算法研究[D].長(zhǎng)春：吉林大學(xué)，2013.

[3]陽(yáng)建中.基于圖像處理技術(shù)的坭興陶?qǐng)D像特征參數(shù)提取[J].廣西科學(xué)院學(xué)報(bào)，2013，29（1）：17-18.

[4]金兆楠.Zernike矩的圓陣列靶標(biāo)特征點(diǎn)精確提取方法[J].山西電子技術(shù)，2015（4）：37-38.

[5]張培洋.Zernike矩在高分辨率遙感影像邊緣檢測(cè)中的研究[D].昆明：昆明理工大學(xué)，2016.

[6]王雁，穆春陽(yáng)，馬行.基于Zernike不變矩與SVM的交通標(biāo)志的識(shí)別[J].公路交通，2015（12）：128-132.

[7]王耀明.Zernike矩及它們的應(yīng)用[J].上海電機(jī)學(xué)院學(xué)報(bào)，2008（1）：44-46.