模糊边界矩特性研究

doi:10.3778/j.issn.1002-8331.2009.06.052

计算机工程与应用 ›› 2009, Vol. 45 ›› Issue (6): 184-186.DOI: 10.3778/j.issn.1002-8331.2009.06.052

• 图形、图像、模式识别 • 上一篇下一篇

模糊边界矩特性研究

韩斌^1,2,王士同¹

1.江南大学信息工程学院，江苏无锡 214122
2.江苏科技大学计算机科学与工程学院，江苏镇江 212003

收稿日期:2008-09-17 修回日期:2008-11-17 出版日期:2009-02-21 发布日期:2009-02-21
通讯作者: 韩斌

Study on characteristics of blurred boundary moments

HAN Bin^1,2,WANG Shi-tong¹

1.School of Information Engineering，Jiangnan University，Wuxi，Jiangsu 214122，China
2.School of Electronics and Information，Jiangsu University of Science and Technology，Zhenjiang，Jiangsu 212003，China

Received:2008-09-17 Revised:2008-11-17 Online:2009-02-21 Published:2009-02-21
Contact: HAN Bin

摘要/Abstract

摘要： 研究了图像边界矩的模糊不变性，推导出模糊边缘带区域不变矩中Φ₂^(Fe) ~Φ₇^(Fe)与该图像所对应的清晰图像的边界不变矩Φ₂~Φ₇一致的结论。利用该结论，对模糊图像提取边界不变矩特征时，可不必首先精确提取其精确边缘，方便了边界不变矩特征的提取，提高了边界不变矩特征提取的鲁棒性。仿真实验结果也验证了结论的正确性。

关键词: 边界矩, 模糊不变矩, 特征提取, 模糊图像

Abstract: The paper studies the blurred invariability of image boundary moment and deduces a conclusion that blurred edge area moment invariance Φ₂^(Fe) ~Φ₇^(Fe) are consistent with the corresponding clean image’s edge moment invariance Φ₂~Φ₇.Using this result，it is not necessary to precisely extract its crisp edge at first when extracting boundary invariable moment from blurred images.This makes it convenient to extract boundary invariable moment features and promotes the robustness of boundary invariable moment feature extracting.Experimental results also validate the correctness of the conclusion.

Key words: boundary moments, blur invariants, feature extraction, blurred image

韩斌^1,2,王士同¹. 模糊边界矩特性研究[J]. 计算机工程与应用, 2009, 45(6): 184-186.

HAN Bin^1,2,WANG Shi-tong¹. Study on characteristics of blurred boundary moments[J]. Computer Engineering and Applications, 2009, 45(6): 184-186.

[1]	包志强，邢瑜，吕少卿，黄琼丹. 改进YOLO V2的6D目标姿态估计算法[J]. 计算机工程与应用, 2021, 57(9): 148-153.
[2]	许德刚，王露，李凡. 深度学习的典型目标检测算法研究综述[J]. 计算机工程与应用, 2021, 57(8): 10-25.
[3]	胡文涛，陈秀宏. 基于邻域图的低秩投影学习[J]. 计算机工程与应用, 2021, 57(7): 209-214.
[4]	张晓丽，张魁星，江梅，魏本征，丛金玉. 淋巴瘤图像分类技术研究综述[J]. 计算机工程与应用, 2021, 57(6): 1-9.
[5]	熊健，覃仁超，何梦乙，刘建兰，唐风扬. 改进随机森林在Android恶意软件检测中的应用[J]. 计算机工程与应用, 2021, 57(3): 130-136.
[6]	李龙龙，何东健，王美丽. 基于改进型LBP算法的植物叶片图像识别研究[J]. 计算机工程与应用, 2021, 57(19): 228-234.
[7]	李杰，李苗，袁细国. 面向新一代测序数据的病原微生物检测算法[J]. 计算机工程与应用, 2021, 57(19): 282-289.
[8]	郭恒光，刘文彪，余仁波. 用于形状特征提取的spike函数[J]. 计算机工程与应用, 2021, 57(18): 220-226.
[9]	李振强，王树才，赵世达，白宇. 改进DeepLabv3+和XGBoost的羊骨架切割方法[J]. 计算机工程与应用, 2021, 57(18): 263-269.
[10]	刘星辰，贾俊铖，张莉，胡沁涵. 图像超分辨率特征浓缩网络[J]. 计算机工程与应用, 2021, 57(16): 213-219.
[11]	光睿智，安博文，潘胜达. 基于无锚框网络的航拍航道船舶检测算法[J]. 计算机工程与应用, 2021, 57(15): 251-258.
[12]	周小静，陈俊洪，杨振国，刘文印. 基于手势特征融合的操作动作识别[J]. 计算机工程与应用, 2021, 57(14): 169-175.
[13]	岳琪，徐忠亮，郭继峰. 面向混合乐器音乐分析的稀疏特征提取方法[J]. 计算机工程与应用, 2021, 57(14): 181-186.
[14]	谌贵辉，陈伍，李忠兵，易欣，刘会康，韩春阳. 残差卷积注意网络的图像超分辨率重建[J]. 计算机工程与应用, 2021, 57(12): 193-200.
[15]	郑淋文，周金治，黄静. 深度稀疏自编码器在ECG特征提取中的应用[J]. 计算机工程与应用, 2021, 57(11): 156-161.

模糊边界矩特性研究

Study on characteristics of blurred boundary moments

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics