黃瑜+陽建中+李賢陽+姜瑜+黃麗紅

摘 要 圖像識別一直是研究的熱點，其中圖像的特征提取是圖像識別與分類的關鍵步驟。為了加強對坭興陶的保護工作，利用數(shù)字圖像處理技術提取了坭興陶圖像的周長、面積、伸長比等基本特征，這些特征容易抗噪聲能力差，因此，本文進一步利用Zernike不變矩提取了坭興陶圖像不同旋轉(zhuǎn)角度及鏡像圖像的特征，具有良好的穩(wěn)定性。

關鍵詞 坭興陶；圖像特征提??； Zernike不變矩

中圖分類號 TP2 文獻標識碼 A 文章編號 2095-6363（2017）08-0022-02

坭興陶作為欽州的特色產(chǎn)業(yè)，對欽州市的經(jīng)濟發(fā)展和社會發(fā)展有著重要的促進作用[1]。利用機器視覺代替人的視覺對坭興陶進行種類識別和特征研究必然趨勢。在試驗中至關重要的一步是對坭興陶圖像進行有效特征提取。圖像識別[2]可以分為4個步驟，圖像的預處理是第一步，再選擇合適的特征、然后根據(jù)特征將圖像進行分類，其中特征提取是關鍵的步驟[3]。

金兆楠等通過視覺中的圓陣列靶標特征點提取為研究對象，把輪廓提取算法和亞像素及粗定位相結(jié)合，最后應用canny算子進行提取和最小二乘法擬合來獲得圖像的特征點[4]。分析了Zernike矩在高分遙感影像邊緣檢測中存在的問題，提出一種Zernike矩結(jié)合FCM的高分遙感影像邊緣檢測的方法和提出一種Zernike矩結(jié)合閡值分割的高分遙感影像邊緣檢測的方法[5]。王雁等主要對圖像先預處理，再利用Zernike和Hu不變距提取了圖像的不變距特征，然后將特征最為支持向量機進行了目標分類[6]。

綜上所述，圖像特征提取一直是研究圖像識別的重要步驟。本文主要是利用了坭興陶圖像提取的基本方法，利用Zernike矩進一步提取坭興陶圖像的內(nèi)部特征。

1 坭興陶圖像預處理及基本特征提取

坭興陶圖像的特征提取需要經(jīng)過去背景、灰度化、二值化等步驟，再通過圖像處理技術計算用圖像像素表示的圖像的基本特征，包括圓形度、圖像陰影面積，伸長比等。

2 Zernike 不變矩的特征

矩特的特征主要是表現(xiàn)了圖像某些區(qū)域的幾何特性，圖像無論經(jīng)過什么幾何變換，其變化后的特性不變，因此，又稱為不變矩。

在圖像處理技術中，可以利用物體的不變矩對圖像進行分類，最常見的求取不變矩的方法有Hu矩、Zernike矩。

2.1 Zernike 不變矩

Zernike矩是基于Zernike多項式的正交化函數(shù)，所利用的正交多項式集市1個在單位園內(nèi)的完備正交集。當計算1幅圖像的Zernike矩時，以該圖像的形心（也稱作重心）為原點，把像素坐標映射到單位圓內(nèi)。

N階Zernike矩定義為

由于圖像是二維的，且是離散型的，因此，求解積分需進行離散化，如下公式，其中Zernike矩Anm為復數(shù)。

極坐標下Zernike矩的定義為

為了方便計算目標區(qū)域的Zernike矩，需先分割圖像的目標區(qū)域S，具體步驟如下：

2.2 提取特征的流程

提取Zernike不變矩流程圖如圖3所示。

3 實驗結(jié)果及分析

本文對選取的三幅圖像分別利用了Zernike矩進行了特征提取，同時為了驗證不變矩的效果，對圖像分別進行了按逆時針方向旋轉(zhuǎn)5°，給出了不同角度的圖像的特征值。同時也做了對圖像鏡像后在提取圖像的不變矩特征。限于篇幅，給出了3個圖像的實驗結(jié)果。

其中，對于表2至表4中的Im（i），i=1…7，表示按逆時針方向每次旋轉(zhuǎn)了5°的角度，計算得到旋轉(zhuǎn)的特征值，同時也對相應的圖進行鏡像得到相應的特？征值。

從實驗結(jié)果看，由于在實驗室過程中，輸入的圖像大小是一致的，因此，圖像用不變矩提取的特征值差別不大。同時，對不同角度下的圖像及相應的鏡像圖像提取不變矩特征，基本改變不了這些圖像的變化規(guī)律。而利用基本的圖像特征提取方法提取的體征信息，不用的圖像有較大的差異。因此，利用Zernike不變矩提取坭興陶圖像的特征值可以較好的保持其特征的穩(wěn)定性。

4 結(jié)論

本文主要研究Zernike不變矩，由于坭興陶圖像的特征都比較相似，利用基本的特征提取算法不能夠完全反映其內(nèi)部特征。因此，本文用Zernike不變矩實驗，將這些特征結(jié)合起來，作為坭興陶的特征，有利于更加完善坭興陶圖像特征，便于后面推向的恢復，保護及存儲。對同是坭興陶圖像，所提取的Zernike不變矩對鏡像、尺度、旋轉(zhuǎn)等變化都不敏感，同時具有較高的抗噪能力。

參考文獻

[1]周作好.欽州坭興陶茶具的生產(chǎn)性保護探究[J].福建茶葉，2015（2）：150-151.

[2]戴金波.基于視覺信息的圖像特征提取算法研究[D].長春：吉林大學，2013.

[3]陽建中.基于圖像處理技術的坭興陶圖像特征參數(shù)提取[J].廣西科學院學報，2013，29（1）：17-18.

[4]金兆楠.Zernike矩的圓陣列靶標特征點精確提取方法[J].山西電子技術，2015（4）：37-38.

[5]張培洋.Zernike矩在高分辨率遙感影像邊緣檢測中的研究[D].昆明：昆明理工大學，2016.

[6]王雁，穆春陽，馬行.基于Zernike不變矩與SVM的交通標志的識別[J].公路交通，2015（12）：128-132.

[7]王耀明.Zernike矩及它們的應用[J].上海電機學院學報，2008（1）：44-46.