3傅立叶描述子-Read.doc

基于“净化边界的傅立叶描述子图像形状特征order Fourier Descriptor for Image Shape Feature Extraction CHEN Xing-Feng1), GU Xing-Fa2), LI Zi-Wei3), YU Tao4), ZHENG Jin-Jun5), GUO Ding6) 1) 2) 3) 4) 5) 6) (College of Automation, University of Electronic Science and Technology, Chengdu,610054) 1) 2) 5) 6) (Demonstration Center for Spaceborne Remote Sensing, National Space Administration, CNSA, Beijing, 100101) 1) 2) 3) 4) 5) 6) (Institute of Remote Sensing Applications, CAS, Beijing, 100101) Abstract Shape is a visual feature which contains intrinsic high-level semantics, and has a great application value in CBIR(Content-Based Image Retrieval) and IR(Image Recognition). There are many descriptors for shape feature. Fourier descriptor predigests 2-demensional image information to 1-demensional signal and be used widely. In fact, the shape of natural image is often messy and noisy. So, this paper proposes a preprocessing method which can clean the noisy shape image, and then researches and analyses the shape feature extraction with Fourier descriptor method with an experiment. Keywords Shape, Fourier Descriptor, Feature Extraction, CBIR(Content-Based Image Retrieval) 1 引 言 随着计算机基础、网络技术、数据库技术等的发展，产生了越来越多的视频、音频、图像等多媒体资料，如何从海量的图像数据中找到想要的数据？基于内容的图像检索帮助用户解决这一个问题，所谓基于内容，就是指图像中重要的视觉内容，通常是指颜色、纹理、形状等特征。颜色是最直观的视觉信息，因此得到广泛的研究及应用；纹理特征兼顾图像的宏观结构（方向度信息）和微观结构（粗糙度），在图像分析中日益受到人们的关注；形状特征作为物体最本质的特征之一，相较于颜色、纹理、空间位置关系等，形状携带了一定的高层语义信息，在图像检索和图像识别技术中占有重要地位。一项调查显示，用户对图像中的形状信息的兴趣要明显高于对颜色和纹理的兴趣。但是，形状也是最难描述的图像特征之一。对于形状特征的提取主要是寻找一些几何不变量，目前用于形状描述方法有很多种，主要可以分为两类：基于轮廓的形状描述方法和基于区域的形状描述方法。前者利用图像的边缘信息，而后者则利用区域内的像素点分布信息。傅立叶描述子属于基于轮廓的形状特征提取，是在边缘检测的基础上，通过复数的形式描述边界点的坐标位置，并通过频域分析简化计算并获取描述子。 针对傅立叶描述子的计算需求，提出一种净化边缘信息的图像预处理方法，并且针对傅立叶描述子提取图像形状特征进行实验研究和分析。 2 边缘检测 基于轮廓的形状提取是在边缘检测的基础上，使用某种描述子描述形状特征。所以提取傅立叶描述子的第一步就是对图像进行边缘检测。 两个具有不同灰度值的相邻区域之间总存在边缘，边缘是灰度值不连续的结果，这种不连续性通常可以用求导数的方法方便地检测到。一般常用一阶导数和二阶导数来检测边缘。边缘检测的基本思想是首先利用边缘增强算子，突出图像中的局部边缘，然后定义像素的“边缘强度”，通过设置门限的方法提取边缘点集。常用的边缘检测算子有Robert算子、Sobel算子、Prewitt算子、LOG算子和Canny算子，下面采用Prewitt