傅里叶描述子研究应用docx.docVIP

傅里叶描述子研究应用 姓 名： 李罗川 学 号： ZY1403222 完成时间： 2015年 05 月 06 日 目录 傅里叶描述子概述 概念与特点 傅里叶分析的理论始于1822年,当时是由法国数学家傅里叶(Fourier J)提出的傅里叶级数的概念。目前,傅里叶理论已经发展了近二百年,作为一种有力的信号分析处理工具,广泛应用在各个领域,但在20世纪六十年代初,才被Cosgriff引用到形状分析领域中来。 傅里叶描述子(Fourier Descriptor)是一种基于频域变换的形状表示算法。傅里叶描述子是首先将物体轮廓线表示成一个一维的轮廓线函数，然后对该函数作傅里叶变换，由傅里叶系数构成形状描述子。同一形状不同的轮廓线函数，会产生不同的傅里叶描述子，如切角函数、曲率函数、中心距离函数、三角形面积函数等。FD是目前形状表示方法中应用最多的描述子之一。通过把形状在频域进行表示,可以很好的解决描述子对存在噪声和边界变化的敏感度。傅里叶描述子按照基于轮廓和基于区域的分类方式可以分为两类:基于轮廓的一维傅里叶描述子(1-D FD)和基于区域的二维傅进叶描述子(2-D FD)。 傅里叶描述子不仅是目前应用最广泛的描述子,而且是最具有发展潜力的形状表示算法之一。傅里叶描述子作为全局形状特征的一种描述方式，具有计算简单，抗噪性强，较高的形状区分能力，但不包含局部形状信息，对形状的细节辨识能力较弱。 现状与发展 傅里叶描述子(Fourier Descriptor)是目前形状表示方法中应用最多的描述子之一。傅里叶描述子按照基于轮廓和基于区域的分类方式可以分为两类:基于轮廓的一维傅里叶描述子(1-D FD)和基于区域的二维傅进叶描述子(2-D FD)。 传统的一维傅里叶描述子只能处理根据形状图像提取出的闭合曲线,它依赖于边缘检测算法对形状轮廓线的准确提取。Lin和Mitchell等经过研究和变形将1-D FD应用于部分闭合曲线。Arbter等首次提出了具有仿射变换不变性的1-DFDo Granlund提出了可以描述轴对称形状的傅里叶不变量。Eichmann等利用短时傅里叶变换(SFD)来提取傅里叶描述子。同时,Zhang和Lu证明了 SFD描述子在形状检索上的性能要优于传统的傅里叶描述子[31]。这是因为SFD虽然不能提取目标形状的整体特征,但是它在提取目标物体的局部特征时有很高的准确率。目前,有些研究者们提出了同样是基于变换域的小波形状描述子(WaveletDescriptor)。因为小波变换在时域和频域同时具有多分辨率使得WD存在一定的优势,但是随着WD在时域上分辨率的增加,频域上的分辨率肯定会有所降低,并且通常我们都采用少量的低频系数来进行形状表示。更重要的是,WD特征向量之间的相似度比较方法比较复杂,使得WD不适合用于实时的形状检索。设L为小波变换的分辨率级数,N为标准化后的形状边界像素点个数,则WD形状匹配时的计算复杂度为。不但WD形状匹配的复杂度高,而且还依赖于目标物体的轮廓边界的复杂度。因此,小波傅里叶描述子因为具有难以克服的缺点而难以普遍运用。1-D FD在已经发展成熟的Fourier的强大理论支持下,使得1-D FD具有很多利用其他特征提取的形状描述子不能具备的优点,如计算简单、每个傅里叶系数都有明确的物理意义、容易进行标准化,使得形状匹配时的计算复杂度很低和能同时提取局部和全局的形状特征等特点。1-D FD克服了其他简单的全局描述符都具有的缺点,并且具有很好的抗噪能力和容易进行标准化的特点。目前,1-DFD主要用于进行特征识别和目标分类中。其中累积角函数和复坐标函数是两种最常用也是最经典的提取一维傅里叶描述子的方法。同时,Zhang和Lu经过研究发现质心函数同样也是一种提取1-DFD很好的方法。并且他们也发现,10个傅里叶系数已经能够很好的进行形状表示,这与以前经常采用的60个系数进行对比,很大程度上降低了计算复杂度。并且同时证明了 1-DFD在检索准确率性能和鲁棒性上的性能都优于曲率尺度空间描述子(CSS)。这些研究成果都是我们对一维傅里叶描述子进行研究的理论基础和实验依据。 二维傅里叶描述(2-D FD)和Zernike矩方法是两种非常经典的基于区域的形状表示算法。虽然Zemike矩描述子具有很好的鲁棒性能,但是它也有一定的缺点。首先,Zemike矩的计算核计算复杂,所有形状首先要标准化成单位圆后才能提取矩特征。其次,Zemike矩的径向特征和环形特征不一致,前者存在于时域,而后者存在于频域中。并且,在径向方向,Zemike矩不允许进行形状的多分辨率分析。第三,Zemike矩的环形特征在频域中不能均匀分布,这可能会损失一部分形状表示