一种改进和提取Zernike特征矩的方法

计算机工程与应用 ›› 2012, Vol. 48 ›› Issue (20): 182-186.

• 图形、图像、模式识别 • 上一篇下一篇

一种改进和提取Zernike特征矩的方法

陈玲1，3，李熙莹2，3，罗玲2，3

1.中山大学物理科学与技术学院，广州 510275
2.中山大学工学院，广州 510275
3.广东省智能交通系统重点实验室，广州 510275

出版日期:2012-07-11 发布日期:2012-07-10

Method of modification and feature selection of Zernike moment

CHEN Ling1，3, LI Xiying2，3, LUO Ling2，3

1.School of Physics and Engineering, Sun Yat-Sen University, Guangzhou 510275, China
2.School of Engineering，Sun Yat-Sen University，Guangzhou 510275, China
3.Guangdong Provincial Key Laboratory of Intelligent Transportation System, Guangzhou 510275, China

Online:2012-07-11 Published:2012-07-10

摘要/Abstract

摘要： 数字图像的离散性使Zernike矩的计算存在误差，降低了特征描述能力。采用一种方圆转换方法将矩形图像转化为抽象的圆形图像，计算转化后图像Zernike矩，改进Zernike矩的计算方法，从而减少计算误差，提高计算速率，提高Zernike矩的特征描述能力。同时根据统计理论，提出一种规范的特征提取方法。经车牌字符识别实验验证，改进方法能够很好地提取图像特征，用于模式识别。

关键词: Zernike矩, 方圆变换, 特征选择

Abstract: The accuracy of Zernike moment is a significant problem in pattern recognition due to the discrimination of image. By transforming the square image to an abstract circle image using a square-to-circle method, the computation of Zernike moment is speeded up, and the representation ability of Zernike moment is improved. Combining with statistical feature selection theory, suitable eigenvector construction method is proposed. The result of plate license character recognition shows this method can work efficiently.

Key words: Zernike moment, square to circle, feature selection

陈玲1，3，李熙莹2，3，罗玲2，3. 一种改进和提取Zernike特征矩的方法[J]. 计算机工程与应用, 2012, 48(20): 182-186.

CHEN Ling1，3, LI Xiying2，3, LUO Ling2，3. Method of modification and feature selection of Zernike moment[J]. Computer Engineering and Applications, 2012, 48(20): 182-186.

[1]	李莉，纪欣沅，宋嵩. 回环软件缺陷数量预测模型[J]. 计算机工程与应用, 2021, 57(7): 158-163.
[2]	李静星，杨有龙. 针对高维数据的马尔科夫毯特征选择[J]. 计算机工程与应用, 2021, 57(6): 58-66.
[3]	林炜星，王宇嘉，陈万芬，梁海娜. 基于多因子粒子群的高维数据特征选择算法[J]. 计算机工程与应用, 2021, 57(22): 199-207.
[4]	李珑珠，林耀进，吕彦，卢舜，王晨曦. 利用邻域信息交互的在线流特征选择算法[J]. 计算机工程与应用, 2021, 57(21): 102-108.
[5]	陈倩茹，李雅丽，许科全，刘铱龙，王淑琴. 自调优自适应遗传算法的WKNN特征选择方法[J]. 计算机工程与应用, 2021, 57(20): 164-171.
[6]	武炜杰，张景祥. 融合分类信息的随机森林特征选择算法及应用[J]. 计算机工程与应用, 2021, 57(17): 147-156.
[7]	邱云飞，高华聪. 混合Filter与改进自适应GA的特征选择方法[J]. 计算机工程与应用, 2021, 57(11): 95-102.
[8]	霍林，陆寅丽. 改进粒子群算法应用于Android恶意应用检测[J]. 计算机工程与应用, 2020, 56(7): 96-101.
[9]	廖文雄，曾碧，梁天恺，徐雅芸，赵俊峰. 面向高维数据的个人信贷风险评估方法[J]. 计算机工程与应用, 2020, 56(4): 219-224.
[10]	彭明，张海澎. 基于Schatten-p范数和特征自表示的无监督特征选择[J]. 计算机工程与应用, 2020, 56(23): 45-52.
[11]	刘峰，Godfred Kim Mensah，李欣芸，刘鸿丽，李瑶，郭浩. 不确定脑网络的异常拓扑分析及分类研究[J]. 计算机工程与应用, 2020, 56(2): 127-132.
[12]	岳鹏，侯凌燕，杨大利，佟强. 基于XGBoost特征选择的疾病诊断XLC-Stacking方法[J]. 计算机工程与应用, 2020, 56(17): 136-141.
[13]	黄欣，莫海淼，赵志刚，曾敏. 离散型增强烟花算法和[kNN]在特征选择中的研究[J]. 计算机工程与应用, 2020, 56(16): 112-117.
[14]	周婉莹，马盈仓，续秋霞，郑毅. 最大熵和[l2,0]范数约束的无监督特征选择算法[J]. 计算机工程与应用, 2020, 56(11): 51-59.
[15]	郭磊，王顺芳. 序列信息融合与两阶段特征选择的膜蛋白预测[J]. 计算机工程与应用, 2019, 55(6): 145-150.

一种改进和提取Zernike特征矩的方法

Method of modification and feature selection of Zernike moment

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