基于Radon和解析Fourier-Mellin变换的尺度与旋转不变目标识别算法

摘要：

由于正交矩对噪声鲁棒性强、重建效果好,因此被广泛应用于目标识别与分类中,但是正交矩本质上缺乏尺度变换不变性,而且必要的图像二值化与规一化过程会引入重采样与重量化误差.为此,在研究现有正交矩的基础上,提出了一种基于Radon变换和解析Fourier-Mellin变换的尺度与旋转不变的目标识别算法.该算法首先直接对目标灰度图像进行Radon变换,然后对Radon变换结果进行进一步解析,通过Fourier-Mellin变换将原图像的旋转变化转化为相位变化,将原图像的尺度变化转化为幅度变化;最后,通过定义一旋转与尺度不变函数,同时利用不变函数的4种特征,再应用k-近邻法实现分类.理论与实验结果表明,由于避免了正交矩方法存在的重采样与重量化误差,该算法的分类精度高于基于正交矩的分类方法,而且对白噪声的鲁棒性也显著高于基于正交矩的识别与分类方法.

关键词：Radon变换、模式识别、Fourier-Mellin变换、不变性分析

所属期刊栏目：13

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家高技术研究发展计划863资助项目2002AA143021

在线出版日期：2009-02-16（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：2157-2162