基于两变量Hahn矩的图像分析

doi:10.3778/j.issn.1002-8331.2008.33.051

计算机工程与应用 ›› 2008, Vol. 44 ›› Issue (33): 167-169.DOI: 10.3778/j.issn.1002-8331.2008.33.051

• 图形、图像、模式识别 • 上一篇下一篇

基于两变量Hahn矩的图像分析

吴海勇^1,2

1.南京晓庄学院物理与电子工程学院，南京 210017
2.东南大学计算机科学与工程学院，南京 210096

收稿日期:2008-05-15 修回日期:2008-07-23 出版日期:2008-11-21 发布日期:2008-11-21
通讯作者: 吴海勇

Image analysis by Hahn moments of two variables

WU Hai-yong^1,2

1.School of Physics and Electronic Engineering，Nanjing Xiaozhuang College，Nanjing 210017，China
2.School of Computer and Science & Engineering，Southeast University，Nanjing 210096，China

Received:2008-05-15 Revised:2008-07-23 Online:2008-11-21 Published:2008-11-21
Contact: WU Hai-yong

摘要/Abstract

摘要： 提出了一种新的、以两变量离散正交Hahn多项式为核函数的图像矩，推导了正则化后，两变量离散正交Hahn多项式的简单的计算方法。对二值图像、灰度图像以及噪声图像的重建实验表明：相对于同系数的单变量的Hahn矩，两变量Hahn矩的重建误差更小。因此，它们能够更好地提取图像的特征。

关键词: 两变量Hahn矩, 图像重建, Hahn矩

Abstract: This paper proposes new image moments whose kernel functions are discrete orthogonal Hahn polynomials of two variables.Meanwhile，a simple method is deduced for computing normalized discrete orthogonal Hahn polynomials of two variables.Reconstruction experiments on a binary image，a gray-scale image，as well as a noised image show that，as compared with Hahn moments of one variable，Hahn moments of two variables have lower reconstruction error.Consequently，they are expected to have better performance in extracting features of an image.

Key words: discrete orthogonal Hahn moments of two variables, image reconstruction, Hahn moments

吴海勇^1,2. 基于两变量Hahn矩的图像分析[J]. 计算机工程与应用, 2008, 44(33): 167-169.

WU Hai-yong^1,2. Image analysis by Hahn moments of two variables[J]. Computer Engineering and Applications, 2008, 44(33): 167-169.

[1]	沈瑜，刘成，杨倩. 利用子空间稀疏特征的超分辨率图像重建算法[J]. 计算机工程与应用, 2021, 57(5): 173-182.
[2]	王冲，尚晓清. 基于多字典的单幅图像超分辨率重建[J]. 计算机工程与应用, 2019, 55(5): 197-202.
[3]	汪叶娇，周勇. 新形式勒让德矩的研究[J]. 计算机工程与应用, 2019, 55(22): 152-162.
[4]	曾有灵，陈耿铎，熊威，李喆. 基于Spark的CT图像FBP重建算法程序并行设计[J]. 计算机工程与应用, 2019, 55(10): 218-224.
[5]	于康龙1，秦卫城1，杨进1，许若飞2. 超分辨重建图像质量评价算法[J]. 计算机工程与应用, 2017, 53(2): 201-205.
[6]	汪慧兰，杨晶晶，毛晓辉，石建平. 自适应的归一化卷积超分辨率重建算法研究[J]. 计算机工程与应用, 2016, 52(8): 191-195.
[7]	周勇，邢凯男，周雅慧. 基于三角函数的正交矩函数的误差预测与分析[J]. 计算机工程与应用, 2016, 52(2): 180-185.
[8]	查志远，刘辉，尚振宏，李润鑫. 基于l_1/2范数正则化的图像重建方法[J]. 计算机工程与应用, 2016, 52(18): 173-178.
[9]	何易德1，秦小林1，罗国涛2，陈帅1. 基于R-滤子的多帧图像重建算法[J]. 计算机工程与应用, 2015, 51(17): 194-198.
[10]	李岩，袁小花，刘精松，柳培新，郑洁琼，张迪. 选择分块SVM电容层析成像改进方法[J]. 计算机工程与应用, 2013, 49(13): 110-113.
[11]	刘润丹1，潘新生2. 一种实时鲁棒的超分辨率图像重建方法[J]. 计算机工程与应用, 2012, 48(9): 178-180.
[12]	赵进创，刘金花，黎志刚，傅文利，李贤宇. 改进敏感场的电容层析成像图像重建算法[J]. 计算机工程与应用, 2012, 48(4): 167-169.
[13]	曹海燕1，王化祥2. 电阻层析成像系统全电极模型仿真研究[J]. 计算机工程与应用, 2012, 48(3): 117-119.
[14]	曹海燕1，王化祥2. 电容层析成像系统传感器仿真研究[J]. 计算机工程与应用, 2012, 48(15): 207-211.
[15]	李岩，曹帅，冯莉，张礼勇. Chebyshev神经网络在ECT图像重建中的研究与应用[J]. 计算机工程与应用, 2011, 47(32): 198-200.

基于两变量Hahn矩的图像分析

Image analysis by Hahn moments of two variables

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