一种基于Zernike矩形状检索的新算法

摘要：

高维Zernike矩作为图像检索的形状特征描述子,具有描述图像区域细节信息的能力,能够全面有效地表征图像的内容.但是高维的矩存在着"维数灾难"的问题,不仅使算法的复杂度增大,而且会增加不必要的信息,造成主要信息混淆,影响对图像的描述.提出了流行学习的方法来处理冗余的数据信息.在通过拉普拉斯图保持局部样本数据不变的情况下,引入了全局算法来保证样本的整体性.考虑到信息之间的相关性而影响投影的准确率,对其进行Schur特征值分解,得到正交基向量,从而使数据重构相对容易,并且Zernike矩的旋转不变性仍能保持下来,使检索得到的图像更加符合人眼视觉效果.该方法在检索性能上优于传统的局部保持投影方法,检索效果有明显的提高.

关键词：Zernike矩、图像检索、主成分分析、局部保持投影、Schur分解

所属期刊栏目：37

分类号：TP301.6(计算技术、计算机技术)

资助基金：国家自然科学基金60372071;中国科学院自动化研究所复杂系统与智能科学重点实验室开放课题基金20070101;辽宁省教育厅高等学校科学研究基金2008344

在线出版日期：2011-01-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：247-251,286