基于Zernike矩与BoF-SURF特征融合的花粉图像分类识别

• 作者: 朱延刚 谢永华 赵贤国
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: Zernike矩 目标识别 K-means聚类算法 特征融合 花粉识别
• 年，卷（期）: 2018,（7）
• 所属期刊栏目: 图形图像处理
• 页码范围: 259-263,270
• 页数: 6页
• 分类号: TP391.41
• 字数: 3948字
• 语种: 中文
• DOI: 10.19678/j.issn.1000-3428.0047613

摘要

针对传统单一花粉图像鉴别特征普遍存在抗噪声干扰能力弱、几何不变性低等问题,提出一种融合Zernike矩全局特征和加速鲁棒性特征包BoF-SURF局部斑点特征的花粉图像分类识别算法.提取花粉图像的Zernike矩描述子以及基于尺度空间梯度信息的SURF特征描述子,使用K-means聚类算法对SURF特征描述子进行特征聚类,构建花粉图像的SURF视觉特征包,并对2种特征进行融合用于花粉图像分类识别.实验结果表明,与传统的花粉图像特征提取算法相比,该算法对花粉尺度和旋转变化具有较好的鲁棒性,在Confocal和Pollenmonitor图像数据集上均获得了较高的识别率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	谢永华	南京信息工程大学计算机与软件学院	32	137	6.0	10.0
5	赵贤国	南京信息工程大学江苏省网络监控中心	3	3	1.0	1.0
6	朱延刚	南京信息工程大学计算机与软件学院	2	3	1.0	1.0