傅里叶描述子

合集下载

傅里叶变换的基本概念及基本定理

傅里叶变换的基本概念及基本定理

g ( x) sin( 2πnf 0 x)dx = 0
采用指数傅里叶级数展开,可以使展开系数的表达式统一而简洁。 采用指数傅里叶级数展开,可以使展开系数的表达式统一而简洁。
二维傅里叶变换
——指数傅里叶级数 可以在(-∞ 可以在 展为 满足狄氏条件的函数 g(x) 具有有限周期τ,可以在 ∞,+ ∞)展为 Байду номын сангаас数傅里叶级数: 指数傅里叶级数
第三讲 二维傅里叶变换的基本概念及基本定理
• 恩格斯(Engels) 把傅里叶 傅里叶的数学成 傅里叶 就与他所推崇的哲学家黑格尔 (Hegel) 的辩证法相提并论.
他写道:傅里叶 傅里叶是一首数学的诗, 傅里叶 黑格尔是一首辩证法的诗.
1、三角傅里叶级数展开 、
满足狄氏条件的函数 g(x) 具有有限周期τ,可以在(-∞,+ ∞)展 为三角傅里叶级数:
+∞
f (x, y) = ∫∫ F( fx , f y ) exp[ j2π ( fx x + f y y)df xdf y
−∞
记作:
f(x,y)=
-1{F(f
x,fy)}.
显然
-1
{f(x,y)}= f(x,y)
综合可写:
f(x,y)
F.T. F.T.-1
F(fx,fy)
f(x,y)和F(fx,fy)称为傅里叶变换对 x (y) 和 fx (fy )称为一对共轭变量, 它们在不同 的范畴(时空域或频域) 描述同一个物理对象.
图1-5-1 函数 ei2π(fxx+fyy) 的零位相直线族
二维傅里叶变换 2-D Fourier Transform 广义 F.T.
对于某些不符合狄氏条件的函数, 求F.T.的方法. 对某个可变换函数组成的系列取极限→不符合狄氏条件的函数, 函数系列变换式的极限→原来函数的广义F. T.

相似形状判定方法

相似形状判定方法

相似形状判定方法相似形状判定方法可以基于几何特征、数学模型等多种角度进行分析。

以下是50条关于相似形状的判定方法,并附上详细描述:1. 几何特征法:通过比较图形的边长、角度等几何特征来判定形状是否相似。

2. 比例法:观察图形的各个部分之间的长度比例,从而判断形状是否相似。

3. 比较面积法:比较图形的面积大小及比例,来确定是否为相似形状。

4. 尺度不变特征变换法(SIFT):利用图像处理技术,通过检测图形的局部特征来进行相似形状的判定。

5. 尺度空间法:对图形进行不同尺度下的变换,通过比较不同尺度下的特征来判断形状的相似性。

6. 形状上下文法:利用轮廓的全局形状信息,通过图形的局部特征来进行相似形状的判定。

7. 轮廓匹配法:通过对轮廓线进行匹配,来判断形状的相似性。

8. 特征点匹配法:利用图形的特征点进行匹配,来确定形状是否相似。

9. 直方图法:将图形的特征表示为直方图,通过比较直方图来判断形状的相似性。

10. 形态学方法:利用数学形态学的原理,通过形态学操作来判断图形的相似性。

11. 傅里叶描述子法:通过傅里叶描述子来表示图形的形状,从而进行相似性判断。

12. 信息熵法:通过图形的信息熵来判断形状的相似性。

13. 神经网络方法:利用神经网络技术来学习和判断图形的相似性。

14. 质心法:通过计算图形的质心来判断形状的相似性。

15. 中心距法:利用图形的中心距来判断形状的相似性。

16. 几何矩法:通过计算图形的几何矩来判断形状的相似性。

17. 轮廓面积法:通过比较图形的轮廓面积来判断形状的相似性。

18. 边界法:通过比较图形的边界形状及特征来判断形状的相似性。

19. 形状符号方法:通过比较图形的形状符号来判断形状的相似性。

20. 线性不变尺度空间法(LSS):利用线性不变尺度空间特征来进行相似形状的判定。

21. 图像矩形法:通过匹配和比较图像的矩形特征来判断形状的相似性。

22. 全局特征描述法:通过提取和比较图形的全局特征来判断形状的相似性。

傅里叶ppt课件

傅里叶ppt课件

t0的 傅 氏 变 换 及 其 t0
积 分 表 达 式 ,其 中 0.
F()f(t)ejtdt
etejtdte(j)tdt 1
0
0
j
j 2 2
f(t)21 F()ejtd21 2 j2ejtd
10cos2t 2sintd
完整编辑ppt
33
因此
0
cost sint
0
2 2
0
0
其中
+
+
A () f() c o sd , B () f() s i nd .
(2.3)
(2.2) 是 f(t) 的傅里叶积分公式的三角形式
f(t) A(),B()
完整编辑ppt
20
傅里叶积分定理:若函数 f(t) 在区间 (,+) 上满足条件
(1) 在任意有限区间满足狄里克雷条件,
完整编辑ppt
40
(5)
F [ej0tf(t)]F(0)
像函数的 位移性质
F[ej0t f(t)] f(t)ej(0)tdt F(0).
完整编辑ppt
41
(6) 卷积定理 原函数的卷积与像函数的乘积间的关系
F[f1(t)]F1(), F[f2(t)]F2()
F [f1 ( t) f2 ( t) ] F 1 ()F 2 ()
kt
l
,
完整编辑ppt
10
偶函数 f(x) 有
f(t)a0
2
+
ak
k1
coskt,
l
ak
1 l
l f ( ) cos k d ,
l
l
bk
1 l
l f ( ) sin k d .

4-图像特征提取

4-图像特征提取
变量X,若其服从一个数学期望为 、
标准方差为 2 的高斯分布,那么就可以记为
X ~ N(, 2)
其概率密度函数为
f (x)
1
e
(
x) 2 2
2
2
高斯分布的期望值 决定了其住置,其标准差 决定了分布的幅度
在得到直方图高斯分布模型之后,可以进行指定模式信 息的检测,如肤色检测。 有了高斯分布模型f(x),那么指定模式信息的检测可以转
形状的描述也是困难的问题,常用的方法有傅立叶描述子,矩不 变量,各种简单的形状因子(如面积、圆度、偏心度、主轴方向) 等。 除了这些全局特征以外,有时也用一些局部特征(如
等),以解决遮挡问题。
经典的Hough变换主要涉及图像中的直线检测, 但是后来Hough变换 得到了扩展,被用于任意形状位置的检测,其中最常用的是圆形或 椭圆。 ■ Hough变换最简单的示例就是用于直线检测的线性变换。
关于直方图处理,主要涉及直方图均衡化,直方图高斯模型;
对于形状特征提取,给出了两种具体的计算方法,包括Hough变 换和傅里叶描述子,其中傅里叶描述子与傅里叶变换是紧密相连 的。
对于纹理特征提取,介绍了两种纹理分析方法,分别为统计分析
方法和频谱分析方法。
进一步讨论了三种用于纹理分析的频域变换,包括傅里叶变换, Gabor变换。
对于彩色信息处理,主要讲述几种常见的色彩空间;
对于灰度信息处理,主要讲述直方图技术。
根据人眼结构,所有颜色都可看作是3个基本颜色—红(Red) , 绿(Green)和蓝(Blue)—的不同组合。
在RGB颜色空间的原点上,任一基色均没有亮度,即原点为黑色。 三基色都达到最高亮度时表现为白色。亮度较低等量的三种基色产生
240度

傅里叶描述子原理

傅里叶描述子原理

傅里叶描述子原理傅里叶描述子原理是一种用于图像处理和计算机视觉中的特征提取方法。

它利用傅里叶变换将图像从空间域转换为频率域,然后提取出频率域的特征来描述图像。

在图像处理中,傅里叶描述子常用于图像匹配、目标识别和形状分析等领域。

通过对图像进行傅里叶变换,可以将图像分解为一系列频率分量,每个频率分量都包含了图像中某种频率的信息。

这些频率分量可以通过傅里叶描述子来描述,从而提取出图像的特征。

傅里叶描述子的主要思想是将一个封闭的曲线分解为一系列频率分量,然后将这些频率分量进行归一化处理,得到一组描述子。

这些描述子可以用来比较不同曲线之间的形状差异,从而实现曲线匹配和形状分析等任务。

在计算机视觉中,傅里叶描述子广泛应用于目标识别和跟踪等领域。

通过提取图像的傅里叶描述子,可以得到一组具有较强区分度的特征,从而实现目标的自动识别和跟踪。

傅里叶描述子的计算方法比较简单,可以通过以下步骤来实现:1. 将图像转换为灰度图像,并进行二值化处理。

2. 提取图像中的边界,得到封闭曲线。

3. 对曲线进行傅里叶变换,得到一系列频率分量。

4. 对每个频率分量进行归一化处理,得到一组描述子。

5. 将描述子用来比较不同曲线之间的形状差异。

虽然傅里叶描述子在图像处理和计算机视觉中有着广泛的应用,但也存在一些局限性。

首先,傅里叶描述子对噪声和变形比较敏感,需要进行一定的预处理和滤波。

其次,傅里叶描述子只能描述封闭曲线的形状,无法描述曲线的纹理和颜色等信息。

傅里叶描述子是一种常用的图像特征提取方法,具有简单、高效、可靠等优点。

在实际应用中,需要结合具体任务和场景,选取合适的特征提取方法,从而实现更加准确和可靠的图像处理和计算机视觉任务。

多模态数据融合中的特征提取与表示方法

多模态数据融合中的特征提取与表示方法

多模态数据融合中的特征提取与表示方法多模态数据融合是指将来自不同传感器或不同表征方式的数据进行整合和融合,以获得更全面、准确和综合的信息。

在多模态数据融合中,特征提取和表示方法起着至关重要的作用。

本文将介绍几种常用的特征提取和表示方法,并探讨它们在多模态数据融合中的应用。

1. 形状特征提取与表示形状特征主要用于描述物体的轮廓和边缘,对于图像和视频等视觉数据的处理尤为重要。

常见的形状特征提取和表示方法包括边缘检测、形状描述子和轮廓匹配等。

边缘检测算法可以提取图像中的边缘信息,例如Canny算子和Sobel算子等。

形状描述子能够将轮廓分解为一组有意义的特征,常用的形状描述子有傅里叶描述子、Zernike描述子和极坐标描述子等。

轮廓匹配算法可以通过计算不同轮廓之间的相似度,找到相对应的物体。

2. 频域特征提取与表示频域特征主要用于处理时域信号的数据,例如语音信号和心电图等。

常见的频域特征提取和表示方法包括傅里叶变换、小波变换和功率谱密度等。

傅里叶变换能够将时域信号转换为频域信号,通过提取频域特征来描述信号的频率成分。

小波变换不仅可以提取频域信息,还具有时域分辨率。

功率谱密度可以用于分析信号的能量分布和频谱特征。

3. 时间序列特征提取与表示时间序列特征主要用于分析一系列时间上连续发生的事件。

常见的时间序列特征提取和表示方法有自回归模型、移动平均模型和傅里叶分析等。

自回归模型可以建立时间序列之间的依赖关系,通过预测当前时间点的值。

移动平均模型可以平滑时间序列,减少噪声的干扰。

傅里叶分析可以将时间序列信号转换为频率成分,通过提取频域特征来描述时间序列。

4. 文本特征提取与表示文本特征主要用于处理自然语言文本数据,例如文档、评论和推文等。

常见的文本特征提取和表示方法有词袋模型、TF-IDF模型和词向量模型等。

词袋模型将文本表示为词汇的集合,通过统计词频来提取特征。

TF-IDF模型不仅考虑词频,还考虑词在整个语料库中的重要性。

傅里叶描述子



式中的 p
0C
p0 N
直接反映两形心之间的距离,当曲线C和N为两个同心圆
时,F5 1 ;当两曲线的相对偏心度较大时 F5 1 。
谢谢!
U (t )
n
p e
n

jnt
p0 ( pn e jnt pn e j nt ),0 t 2
n 1

曲线的参数方程

曲线的傅里叶级数为:
1 pn 2

2
0
U (t )e jnt dt , n 0,1,2...

描述子受曲线形状及曲线初始点的影响。
傅里叶描述子简介

图像的目标区域的边界是一条封闭的曲线,因此相对于边界上某一固
定的起始点来说,沿边界曲线上的一个动点的坐标变化则是一个周期 函数。通过规范化之后,这个周期函数可以展开成傅里叶级数.而傅
里叶级数中的一系列系数是直接与边界曲线的形状有关的,可作为形
状的描述,称为傅里叶描绘子.目标区域边界的象素点可以用以弧长 为函数的曲线切线角来表示,也可以用复变函数来表示。
通过傅里叶系数提取形状特征

细长度
F2 1 p1 p 1 p1 p 1
p1 ,

令 Et p1e jt p1e jt 表示形状C的拟合椭圆,其长半轴的长度为 p1
短半轴长度为 p1 p1 ,长短半轴长度之比可反映形状的椭圆度(或称细 长度)。当C接近于圆时,其长短轴长度之比接近于1,因此 F2 0 。当
n

其中级数 Tn 称为曲线C的傅里叶描述子
傅里叶描述子概念


考虑到曲线距离s对照于时间会更有用,因此做如下变换:

傅里叶详解——精选推荐

傅⾥叶详解⼀、傅⽴叶变换的由来关于傅⽴叶变换,⽆论是书本还是在⽹上可以很容易找到关于傅⽴叶变换的描述,但是⼤都是些故弄⽞虚的⽂章,太过抽象,尽是⼀些让⼈看了就望⽽⽣畏的公式的罗列,让⼈很难能够从感性上得到理解,最近,我偶尔从⽹上看到⼀个关于数字信号处理的电⼦书籍,是⼀个叫Steven W. Smith, Ph.D.外国⼈写的,写得⾮常浅显,⾥⾯有七章由浅⼊深地专门讲述关于离散信号的傅⽴叶变换,虽然是英⽂⽂档,我还是硬着头⽪看完了有关傅⽴叶变换的有关内容,看了有茅塞顿开的感觉,在此把我从中得到的理解拿出来跟⼤家分享,希望很多被傅⽴叶变换迷惑的朋友能够得到⼀点启发,这电⼦书籍是免费的,有兴趣的朋友也可以从⽹上下载下来看⼀下,URL地址是:/doc/cd0f731fbe23482fb5da4c19.html /pdfbook.htm要理解傅⽴叶变换,确实需要⼀定的耐⼼,别⼀下⼦想着傅⽴叶变换是怎么变换的,当然,也需要⼀定的⾼等数学基础,最基本的是级数变换,其中傅⽴叶级数变换是傅⽴叶变换的基础公式。

⼆、傅⽴叶变换的提出让我们先看看为什么会有傅⽴叶变换?傅⽴叶是⼀位法国数学家和物理学家的名字,英语原名是Jean Baptiste Joseph Fourier(1768-1830), Fourier对热传递很感兴趣,于1807年在法国科学学会上发表了⼀篇论⽂,运⽤正弦曲线来描述温度分布,论⽂⾥有个在当时具有争议性的决断:任何连续周期信号可以由⼀组适当的正弦曲线组合⽽成。

当时审查这个论⽂的⼈,其中有两位是历史上著名的数学家拉格朗⽇(Joseph Louis Lagrange, 1736-1813)和拉普拉斯(Pierre Simon de Laplace, 1749-1827),当拉普拉斯和其它审查者投票通过并要发表这个论⽂时,拉格朗⽇坚决反对,在近50年的时间⾥,拉格朗⽇坚持认为傅⽴叶的⽅法⽆法表⽰带有棱⾓的信号,如在⽅波中出现⾮连续变化斜率。

水果形状的傅里叶描述子研究


这样,兢可以根据物体的边界信息求出物体的形心坐标,从而大大加快了计算速度.另外, 由于避免了物体表面的碰伤、凹坑等信息的影响,还可以提高形心坐标的计算精度.以果梗与
万方数据
革2期
应义斌t水皋形状的傅里叶描述子研究
水果果体交界点6点为起始点,并以形心点O为圆心(rgu寸.1k为极坐标原点),逆时针方向求 取半径序列r(^)(图1)
前4个谐波分量的变化特性就能较好地代表水果的形状,丽不会丢失必要的形状信息,若用前
15个谐波分量来描述形状则可以达到相当高的精度.而一个水果果体的外形曲线上的点数多 达上千个,从而可大大减少需处理的数据量.而且傅立叶描述子可以进行平移、旋转和缩放, 并具有很强的水果外形重建功能,是一描述水果形状的非常有效的算法. 2)提出了仅需利用物体边界信息求物体的形心坐标和描述果形的新方法,大大减少了需 要计算的信息量,从而加快了处理速度.
1结论
1)研究了不规则物体形状的数学描述方法,认为在水果的分级过程中采用曲线拟合的方 法来描述水果的形状是不合适的,而应该采用能反应果形的特征系数来描述果形.水果的外形 曲线是一条封闭的似圆曲线,先将其归—化为半径为l的标准圆,以便使水果的形状描述不受 水果果体大小的影响;采用Fourier描述子描述了水果的果形,研究发现用Fourier描述子的
JoIⅡnal
of
生物数学学报200l,16(2):234~240
Biomathematics
水果形状的傅里叶描述子研究
应义斌
(浙扛大学农业工程与食品科学学院,浙江杭州310029)

奠:水果的形状是水果分虹的重要指标之一.本文研兜了不规则抽体形状的教学描述
方法,认为在水束的分蛙过杜中采用曲线拟台的方法来描述水果的彩状是不合适的i曩出了权需 利用特休的边界信息求物体的形心坐标和描述果形的断方法;发现用Fourier描述亍的前4个谐 波分量的变化特性就能较好地代表水果的影状,用前15个谐波分量来描逮影状则可以达到相当 高的精度.而且傅立叶描述于可以进行平移、旋转和馆放.并具有艰强的水果外形重建功能.是 一描述水果形状的非常有效的算法. 关t词:形状;傅立叶描述于;机器视觉;水果 中圉分类号;TP39l

傅里叶定律

傅里叶定律1. 简介傅里叶定律是一种分析任意周期函数的方法,它将函数表示为一系列正弦和余弦函数的和。

这个定律的发现者是法国数学家约瑟夫·傅里叶,他在19世纪初提出了这个定律,并为其奠定了数学基础。

傅里叶定律的应用非常广泛,不仅在数学领域有重要的地位,而且在物理学、工程学、信号处理、图像处理等领域也起着重要的作用。

在这篇文档中,我们将详细介绍傅里叶定律的原理、公式以及一些应用案例。

2. 傅里叶级数傅里叶级数是傅里叶定律的基础,它将一个周期函数表示为一系列的正弦和余弦函数的和。

对于一个周期为T的函数f(t),它的傅里叶级数表示为:f(t) = a0/2 + ∑[an*cos(nωt) + bn*sin(nωt)]其中a0/2是直流分量,an和bn是傅里叶系数,n是一个整数,ω是基频(基波)的角频率。

傅里叶级数的物理意义是将一个周期函数分解为多个不同频率(不同振幅和相位)的正弦和余弦函数的叠加,这些正弦和余弦函数称为谐波。

3. 傅里叶变换傅里叶变换是一种将函数从时间域(或空域)转换到频率域的方法,它将一个函数表示为连续的正弦和余弦函数的叠加。

对于一个函数f(t),它的傅里叶变换表示为:F(ω) = ∫[f(t)*e^(-iωt)]dt其中F(ω)是傅里叶变换函数,ω是频率,e是自然对数的底。

傅里叶变换的物理意义是将一个函数从时间域(或空域)的振动模式转换为频率域的能量分布。

4. 傅里叶系数和频谱对于一个周期函数f(t),它的傅里叶级数和傅里叶变换分别给出了函数的频域表示。

傅里叶级数的傅里叶系数描述了函数中不同频率的振动模式的振幅和相位信息,而傅里叶变换的频谱则描述了函数在频率域中的能量分布情况。

傅里叶系数和频谱是傅里叶定律中非常重要的概念,可以用来分析和处理各种信号,如声音、图像、视频等。

5. 傅里叶定律的应用傅里叶定律在各个领域有着广泛而重要的应用。

以下是一些傅里叶定律的应用案例:5.1 信号处理在信号处理领域,傅里叶变换被广泛使用于信号的滤波、频谱分析、压缩等方面。

  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
因此散射度可表示为:
S2 F3 4A
S2 4 [ n( p n p n )]
2 2 2 n 1

散射度特征同样具有不变量的性质。
通过傅里叶系数提取形状特征•Fra bibliotek凸凹度
F4 n 3
n 1
pn pn
2 2
2 2
p1 p1

F 当曲线 为一个圆时,4 1 ;而当曲线C具有较多凹处时,则 F4 1 。
里叶级数中的一系列系数是直接与边界曲线的形状有关的,可作为形
状的描述,称为傅里叶描绘子.目标区域边界的象素点可以用以弧长 为函数的曲线切线角来表示,也可以用复变函数来表示。
傅里叶描述子定义

假设C是复平面上的封闭曲线(边界)。以逆时针方向沿着这个曲线
保持恒定的速度移动,得到一个复函数z(t),这里t是时间变量。速度 应该选择为使得环绕边界一周的时间为 2 ;然后沿曲线做多次里边
得到一个周期为2π 的周期函数。这就允许了z(t)的傅里叶表示:
z (t ) Tn eint
n

其中级数 Tn 称为曲线C的傅里叶描述子
傅里叶描述子概念


考虑到曲线距离s对照于时间会更有用,因此做如下变换:
t 2 s / L
其中L是曲线长度。傅里叶描述子 Tn 则表示如下: 1 L Tn z ( s )e i (2 / L ) ns ds L 0 对傅里叶描述子 Tn 进行傅里叶反变换可重构会原轮廓曲线
通过边界链码计算傅里叶系数

在数字图像中,区域的边界轮廓线往往用边界的方向链码c1 , c2 ,, cM 来 表示,此链是沿曲线C的反时针方向而构成的。将 0,2 区域划分为

tm 2Sm L , m 0,1,2,, M
由傅里叶级数为:
1 p0 U 0 2
m2
[(U (t
C为其它形状时,有 0 F2 1 。

F2 特征同样具有不变量的性质
通过傅里叶系数提取形状特征

散射度(或称密集度)
L2 F3 4A

式中的L是轮廓曲线C的周长,面积A也可由傅里叶系数来表征。
A n( pn pn )
2 2 n 1
通过傅里叶系数提取形状特征


4
m 1
p0 U 0 a m e
m2
M
jcm [
ak ak ]
k 1 k 1
M
j ( cm 2 n ak ak ) 1 M 4 k 1 k 1 pn am e 2nj m1

m 1
M
n 1,2,
通过边界链码计算傅里叶系数


这时傅里叶系数 p0 和 pn 仅与边界链码 ck 有关,而 ak 也完全由 ck 所确定。
因此我们可通过边界链码来计算傅里叶系数。 Fourier系数 p0 表示轮廓曲线C的形心位置。若将坐标原点移至形心,
那么曲线的方程可改写成:
U (t ) ( pn e jnt pn e jnt ),0 t 2
n 1


傅里叶系数 p0 与轮廓曲线C的形状有一一对应的关系。

式中的 p
0C
p0 N
直接反映两形心之间的距离,当曲线C和N为两个同心圆
时,F5 1 ;当两曲线的相对偏心度较大时 F5 1 。
谢谢!
1, 若ck 为偶数 ak 2, 若ck 为奇数 k 1,2, M

周长L:
S ak
k 1 M

参变量:
m M 2S m tm (2 ak ) / ak , m 1,2,3....M S k 1 k 1
通过边界链码计算傅里叶系数

现将周长L和参变量的公式代入式傅里叶系数的公式后分别得到
U (t )
n
p e
n

jnt
p0 ( pn e jnt pn e j nt ),0 t 2
n 1

曲线的参数方程

曲线的傅里叶级数为:
1 pn 2

2
0
U (t )e jnt dt , n 0,1,2...

描述子受曲线形状及曲线初始点的影响。
M
m
) U (tm1 )]tm1 , n 0;
1 M jntm pn e [(U (t m ) U (t m1 )], n 0 2nj m1

U 上式中, 0 x0 jy0 对应于起始点,因此 p0 项是与坐标有关的
通过边界链码计算傅里叶系数

为了建立链码与傅里叶系数的关系,设:
通过傅里叶系数提取形状特征

细长度
F2 1 p1 p 1 p1 p 1
p1 ,

令 Et p1e jt p1e jt 表示形状C的拟合椭圆,其长半轴的长度为 p1
短半轴长度为 p1 p1 ,长短半轴长度之比可反映形状的椭圆度(或称细 长度)。当C接近于圆时,其长短轴长度之比接近于1,因此 F2 0 。当
傅里叶描述子
报告人:张衡
引言
• 对图像目标的识别首先需要抽取目标
的特征然后用适当的数学表示对目标 进行描述。对目标特征提取的算子称 为目标检测子,对目标描述的算子称 为描述子。下面将重点阐述傅里叶描 述子:
傅里叶描述子简介

图像的目标区域的边界是一条封闭的曲线,因此相对于边界上某一固
定的起始点来说,沿边界曲线上的一个动点的坐标变化则是一个周期 函数。通过规范化之后,这个周期函数可以展开成傅里叶级数.而傅

凸凹度也具有不变量的性质。
通过傅里叶系数提取形状特征
• •
形心偏差度 对于两条曲线 C 和 N ,分别通过博里叶级数展开获得各自的博里叶 系数 pnC 和 pnN ,其零次项系数 p0C和 p0C 分别表示曲线C和N的形心 位置。

特征 F5 表示两曲线之间的相对关系:
F5
p 0C p 0 N p1C p 1C
通过傅里叶系数提取形状特征

圆形度:
F1
p1
( p
n 1

n
pn )

U 当傅里叶系数 pn 中除 p1 之外其它项全为零时, (t ) p1e jt 表示轮廓
曲线C的形状是以 p1 为半径的一个圆。也就是说,当C为一个圆时,相
应的圆形度特征 F1 1 。当C为其他形状时有 0 F1 1 。不难证明 F1 特 征在平移、旋转、尺寸、起始点等条件变化下都是一个不变量。
• •
傅里叶描述子反映原曲线的形状特征
曲线的参数方程

令C表示区域R的边界,通常是一条简单的封闭曲线。s表示从C上的起
始点 b0 到沿曲线C反时针方向上某一动点 b 之间的弧长。L 表示轮廓曲 线C的周长。

动点b的坐标 b( x(s), y(s)) 既是x、y的函数又是弧长s的函数。曲线的参
数方程可用复数形式表示为:
U (s) x(s) jy(s)

它是一个周期函数,即:
U (s L) U (s),0 s L
曲线的参数方程

对于方程U (s) ,令 t 2 s / L ,则方程可以表示为:
U (t ) x(t ) jy(t ),0 t 2

式中的 U (t ) 是一个以2π 为周期的周期函数,其傅里叶展开式为:
相关文档
最新文档